共查询到10条相似文献,搜索用时 31 毫秒
1.
针对Web 2.0环境下大众分类系统中用户、资源和标签之间的三元相关关系,本文提出一种基于三部图的用户兴趣扩散模型,据此为用户进行网络资源的推荐.其主要思想是:通过迭代的扩散机制,使目标用户对信息的兴趣依三部图结构扩散至其他的用户、标签和资源上,然后以资源兴趣度排序为依据,在目标用户未曾收藏的资源中产生推荐.该推荐方法的优势在于扩大了推荐范围,避免了数据稀疏对推荐造成的干扰.利用公共数据集进行的实验表明,本文提出的推荐方法其准确率和召回率优于基于二部图用户兴趣扩散的资源推荐结果. 相似文献
2.
一种基于用户标签网络的个性化推荐方法 总被引:1,自引:0,他引:1
基于标签进行个性化推荐是目前的一个研究热点,不同的推荐算法对标签进行了不同的处理.用户使用的标签之间存在着某种内在联系,由此可构建用户标签网络.根据这一启示,本文提出了一种基于用户标签网络的个性化推荐算法.首先,将用户标签网络视为用户兴趣模型雏形,利用社会网络分析方法计算标签权重,并以加权标签集的形式表示用户兴趣模型,最后将标签权重转化为资源与用户兴趣的相似度,进而实现个性化推荐.实验表明,本方法能较为准确地揭示用户的兴趣,产生的推荐资源与用户兴趣匹配程度较高. 相似文献
3.
4.
现有的知识推荐方法主要是静态知识分类推荐和单个用户个性化推荐,忽略了用户大众在知识访问中表现出的网络集群行为特征.用户的网络集群行为所访问的知识项之间往往隐含着某些内在联系,将网络集群行为下所形成的知识群落称为知识簇.根据基于网络集群行为的用户访问之间的影响关系和访问日志处理过程,构建了基于网络集群行为的动态知识簇模型.将用户访问的知识项看作网络节点,利用概率推理得出节点之间的关联关系形成动态知识簇.当用户访问某个知识项时,根据动态知识簇向用户推荐该知识项的相关知识.使用网络爬虫技术挖掘知识服务网"豆瓣网"用户对豆瓣电影的访问日志作为实验数据,实验结果证明了基于概率推理的动态知识簇的推荐方法是有效的. 相似文献
5.
6.
7.
基于序列模式的个性化Web页面推荐模型* 总被引:1,自引:1,他引:0
易明 《现代图书情报技术》2008,24(8):42-47
基于数据挖掘中的序列模式方法,提出一种个性化Web页面推荐模型。该模型首先利用Web使用数据预处理提取Web交易事务集,然后应用序列模式算法挖掘频繁(连续)序列,最后通过构建频繁(连续)序列树生成用户偏好视图以生成个性化Web页面推荐集。 相似文献
8.
随着网络的普及,多元化的媒体信息服务改变了人们获取信息的方式.应用Web2.0技术的多向化书目推荐系统,通过每个用户的浏览求知过程,以用户个人的思想脉络、浏览痕迹为线索.筛选出最适合的图书种类推荐给用户,创造属于用户个性化的网络图书目录.本文结合国内外网站实例,介绍该系统特色功能,分析系统现有的缺陷并提出改进建议,探讨了该系统与图书馆网络信息服务的结合. 相似文献
9.
10.
个性化网络协同推荐服务的扩展及其实现 总被引:3,自引:1,他引:2
传统的网络协同推荐服务对用户行为数据进行统一挖掘处理,但在处理分散数据时,难以开展协同服务.由此,推荐服务系统的可扩展问题日益凸显.实际上,用户信息行为与需求层次结构的对应关系已为构建可扩展的个性化协同推荐服务系统提供了一种新思路.可扩展的个性化协同推荐服务模型从需求层出发,通过行为层、过滤层、推荐层、交互层和资源库的扩展,最终实现个性化协同推荐系统的可扩展性. 相似文献