共查询到20条相似文献，搜索用时 656 毫秒
1.
[目的/意义] 为了提高传统协同过滤算法的计算速度,解决目标用户随着时间推移发生兴趣偏移而导致推荐系统质量下降的问题,以期进一步提升推荐系统运行效率和推荐质量。[方法/过程] 提出预先计算用户相似度算法和引入时间评分权重计算相似度矩阵的两种算法的改进,并利用Hadoop平台实证分析改进后的算法。[结果/结论] 实验结果证明：预先计算用户相似度算法缩短了对读者推送相关信息的时间,从而有效地提升了计算速度;引入时间评分权重计算相似度矩阵大大降低了MAE值,从而提高了推荐质量,两种算法同时应用后推荐系统在计算速度、准确率和新颖性方面都有显著提升。 相似文献
2.
[目的/意义] 为解决高校图书推荐过程中面临的“数据稀疏”和“冷启动”问题,研究表明：优化读者评价矩阵和相似度模型是提高图书推荐质量的关键。[方法/过程] 提出一种协同过滤改进方法,以图书分类为项目生成用户评价矩阵,并考虑借阅方式、借阅时间和图书相似度对用户兴趣度的影响,优化矩阵中的样本数据;同时,在计算读者相似度时融入读者特征和图书特征。[结果/结论] 实验结果表明,该方法可有效解决“数据稀疏”和“冷启动”问题,显著降低计算量。与基本协同过滤和聚类改进的协同过滤方法相比,无论是在推荐准确率还是在用户满意率上都有较大的提高,综合推荐效果更好。 相似文献
3.
[目的/意义]用户兴趣推荐是信息服务中的重要内容,针对目前融合情境信息推荐的研究更多是直接将情境作为单因素而缺乏考虑情境关联的思想,本文以情境关系为切入点实现社会化媒体用户的兴趣推荐。[方法/过程]以具有相似情境用户可能具有相似兴趣为假设,来改进用户原始兴趣网络从而实现推荐。通过社会网络和资源相似性计算构建原始兴趣网络中显性网络和隐性网络;借鉴共现原理和情境本身相似性构建情境网络;通过兴趣传递关系计算直接兴趣度与间接兴趣度;最后借鉴协同过滤的思想实现推荐。[结果/结论]与以往的只考虑单一情境因素的推荐方法相比,基于本方法的实验表明,将情境关系融入到推荐过程中不仅可以扩展用户的社会关系,而且可以得到更好的推荐效果。 相似文献
4.
5.
基于粗糙用户聚类的协同过滤推荐模型 总被引：1，自引：0，他引：1
【目的】将粗糙集引入到基于用户聚类的协同过滤中,提高推荐质量。【方法】提出一种基于粗糙用户聚类的协同过滤推荐模型:离线时采用粗糙K-means用户聚类算法,根据用户与聚类中心的相似度将其分配到K个类的上、下近似中,形成用户的初始近邻集;在线时从目标用户的初始近邻集中搜索其最近邻,预测项目评分并向其产生推荐。【结果】通过实验对比发现,该模型比传统的和基于项目的协同过滤推荐算法降低约14%的平均绝对误差,比基于用户聚类的协同过滤推荐算法降低约10%的平均误差。【局限】在考虑上、下近似对聚类中心调整的重要程度时,忽略了用户聚类数目和最近邻集用户数阈值的变化所产生的影响。【结论】该模型能有效提高推荐精度,具有较强的可行性和现实意义。 相似文献
6.
[目的 /意义]为促进智慧图书馆服务中人的智慧与物的智能充分融合,加速推进智慧服务优化升级和智慧图书馆深化改革,对元宇宙视域下智慧图书馆服务中人的智慧与物的智能的有机结合进行探索。[方法 /过程]基于元宇宙虚实融合、用户沉浸式参与、技术整合等特性及其与智慧图书馆在理论逻辑与技术演进方面的趋同性,探索融合人的智慧与物的智能的智慧图书馆服务模式,并在此基础上提出元宇宙视域下实现人的智慧与物的智能有机结合的智慧图书馆服务生态体系及具体实践方案。[结果 /结论 ]研究发现,元宇宙整合、应用物联网和人工智能等核心技术,为智慧图书馆创造诸多智慧管理和服务场景,催生了深层次的智慧服务模式,是连接智慧图书馆服务中人的智慧与物的智能的重要桥梁。据此,本研究构建元宇宙视域下融合人的智慧与物的智能的智慧图书馆服务生态体系,创新性地提出智慧学术服务和智慧阅读疗愈服务。该服务生态体系的实现可从构建支撑智慧服务的数据资源池、打造立体化的精准辐射交互系统、开展“转知成慧”的思想实验活动、创建集成人的智慧的云存储空间、推出嵌入式虚拟馆员的泛在化服务等方面展开。 相似文献
7.
[目的/意义] 现有用户行为模型能甄别用户的差异,挖掘用户深层次需求,实现图书馆智慧化精准服务,将用户行为模型运用于"智慧门户"建设,可为"智慧图书馆"建设提供实践案例和参考依据。[方法/过程] 在对现有的图书馆门户系统和用户行为模型进行分析和梳理的基础上,以重庆大学图书馆"智慧门户"建设为例,探索用户行为模型在图书馆"智慧门户"的架构方式。[结果/结论] 实践证明,基于用户行为模型的图书馆"智慧门户"可实现用户、资源、服务以数据为中介的交互,能更准确地预测用户行为和需求,让数据成为图书馆智慧服务的决策依据,是图书馆实现"智慧化"的重要手段。 相似文献
8.
[目的/意义]针对目前使用标签推荐方法所得结果不理想的问题,改进传统相似度计算方式,并结合多种标签推荐方法,提高推荐准确性。[方法/过程]融合基于内容与协同过滤的推荐思想,利用LDA进行相似度计算得出资源与用户的近邻集合,并抽取资源内容关键词,以此构建标签混合推荐模型,最后以"豆瓣读书"为例对模型进行验证,同时与几种标签推荐方法进行比较。[结果/结论]在社会标注系统中,必须考虑用户-资源-标签3个维度,仅考虑单一角度势必会造成结果的不完整,同时在相似度计算时引入LDA能够挖掘潜在语义关系,提高推荐质量,且组合多种方法取长补短可以令推荐结果更为满意。 相似文献
9.
[目的 /意义]系统地总结“第二届智慧图书馆与智慧服务学术研讨会”专家的观点,推动智慧图书馆建设与智慧服务能力提升,为智慧图书馆的发展指明方向。[方法 /过程]对10名专家的报告内容进行解读,剖析专家对智慧图书馆及智慧服务的认知与主要观点,提炼智慧图书馆与智慧服务的要义与趋势。[结果 /结论 ]智慧图书馆与智慧服务是一个不断发展的过程,需要进一步明确智慧图书馆的建设要求与路径,把握好智慧图书馆的发展趋势。 相似文献
10.
[目的/意义]针对当前知识发现服务中存在的个性化程度不高和推荐效果不佳等问题，提出一种基于用户兴趣度量和内容分析的推荐算法。[方法/过程]文章通过特征词分布、LDA主题分布、引文结构网络三个维度构建学术资源模型，并通过对用户行为的度量，计算用户对其浏览学术资源的兴趣度，结合学术资源模型构建用户兴趣模型。将用户兴趣模型与学术资源模型匹配，计算其相似度，得到用户对每条学术资源的兴趣值，最后将兴趣值最高的TOP-N学术资源推荐给用户。[结果/结论]通过实验检验算法的有效性和推荐准确率，结果显示，本文从实时动态度量兴趣的角度，提出的推荐算法能较好地预测用户兴趣，推荐效果显著，为实现发现服务精准推荐提供思路。 相似文献
11.
[目的/意义]针对移动在线学习平台中用户评价具有布尔变量属性的学习资源,提出一种适用于该类资源的协同推荐方法。[方法/过程]首先采用基于用户自身属性和已有好友分布特征的FRUTAI算法,确定目标用户的最近邻集;然后在解决数据稀疏的基础上,提出适用于布尔型移动在线学习资源的协同推荐方法;最后选取实证对象,依据相关评估方法评估推荐结果。[结果/结论]在以豆瓣书评网数据作为数据集的实证中取得了较好的推荐效果。实证结果表明,本文提出的改进的协同推荐算法可以有效地应用于移动在线学习平台中的布尔型学习资源,具有较好的推荐效果。 相似文献
12.
适应用户兴趣变化的协同过滤增量更新机制 总被引：1，自引：0，他引：1
高维、稀疏的用户-项目评分矩阵对基于项目的协同过滤推荐算法造成严峻的可扩展性问题.传统的解决方法是离线计算项目相似性并保存在系统中以供算法调用,但是不能充分利用最新评分数据以体现用户兴趣的变化.针对上述问题,提出了适合在线应用的协同过滤项目相似性增量更新机制,使得推荐系统在当前用户提交项目评分之后,能够实时完成相应项目与其他项目之间的相似性数据更新,从而推荐系统可以基于最新的项目相似性数据进行推荐处理,以适应用户兴趣的变化.实验结果表明,本文提出的项目相似性增量更新机制能够有效提高基于项目的协同过滤算法可扩展性. 相似文献
13.
刘剑涛 《现代图书情报技术》2012,(2):18-22
针对传统协同过滤算法依赖单一用户需求形态影响推荐效果的问题,提出一种基于用户多态聚类的数字图书馆个性化推荐方法。该方法以改进的海明距离计算候选邻居集,结合多态相似度进行二次聚类,预测用户的多态需求度并形成推荐。实验表明,使用多态聚类产生的推荐精确度上优于单一聚类产生的推荐。 相似文献
14.
[目的 /意义]针对在线问诊平台中医生推荐满意度较低的问题,探究如何将信息技术与用户认知相结合以提升医生推荐系统的效果,有助于优化在线问诊平台的用户体验。[方法 /过程]首先,基于1 500名医生的基本信息和78万余条用户提问,对比TF-IDF、Doc2Vec和Word2Vec三种词向量模型的医生推荐效果,以最优模型构建医生推荐系统原型;然后,通过用户实验和访谈获取用户使用该系统的行为数据,深入挖掘在线问诊平台医生推荐情境中的用户认知与意义构建过程;最后,从用户角度提出模型优化思路,实现原型系统的改进。[结果/结论 ]基于Word2Vec词向量模型的医生推荐效果最优,前10位医生候选集中88%的医生有能力回答用户问题;用户实验结果显示,科室信息与医生专业极大影响用户选择,医生曾回答过的相似问题是用户的重要参考信息;基于以上结果,提出并实现建立科室预测分类器以及为健康医学关键词赋予较高权重的两种模型优化思路,并通过匹配度指数对医生推荐结果进行优化排序。结果表明,两种方法均可提高医生推荐系统的准确度,证明用户认知与人工智能算法结合具有可行性。 相似文献
15.
16.
[目的/意义]从元宇宙的视角研究智慧图书馆服务的创新与发展,发挥智慧图书馆沉浸式阅读体验的功能。[方法/过程]探讨元宇宙应用于图书馆的理论逻辑,明确智慧图书馆遇到的现实挑战,指出触手可及的阅读场景、数媒引领的资源数据、多种技术的集成等构建元宇宙智慧图书馆的优势。分析元宇宙智慧图书馆技术架构、元宇宙核心技术集成方式,构建未来元宇宙图书馆五层次结构模型。探讨元宇宙智慧图书馆的实现路径。[结果/结论]加大元宇宙关键技术研发,增强智慧图书馆阅读沉浸感;构建立体式元宇宙智慧图书馆沉浸式资源,促进用户沉浸式互动;拓展元宇宙图书馆服务,增强图书馆知识服务职能;加大元宇宙智慧图书馆基础设施建设,为沉浸式体验提供硬件保障;提升元宇宙智慧图书馆馆员的能力,提高沉浸式服务质量。 相似文献
17.
目前协同过滤被广泛应用于数字图书馆、电子商务等领域的个性化服务系统.最近邻算法则是最早提出和最主要的协同过滤推荐算法,但用户评分数据稀疏性严重影响推荐质量.针对上述问题,提出了一种基于Rough集理论的最近邻协同过滤算法,以用户评分项并集作为用户相似性计算基础,并将非目标用户区分为无推荐能力和有推荐能力两种类型;对于无推荐能力用户不再计算用户相似性以改善推荐实时性,对于有推荐能力用户则提出一种基于Rough集理论的评分预测方法来填补用户评分项并集中的缺失值,从而降低数据稀疏性.实验结果表明新算法能有效提高推荐质量. 相似文献
18.
19.
[目的 /意义]推荐算法技术快速发展所产生的“过滤气泡”现象给用户信息行为带来深刻的影响。从用户角度出发,对其面对过滤气泡时的行为类型以及行为产生的机制进行探索性研究,帮助用户建立对过滤气泡现象的理性认知,为信息服务平台明确推荐算法的建设方向、改进服务水平提供一定的参考。[方法 /过程]采用扎根理论,选取对互联网信息服务平台有一定使用经验的30位用户进行半结构化访谈,并进行编码分析,构建用户面对过滤气泡时的行为与形成机制模型。[结果 /结论 ]用户面对过滤气泡时的行为类型主要包括忽略行为、缓解行为、加强行为、突破行为以及脱离行为。感知控制、态度和信息需求直接影响用户面对过滤气泡时的行为;推荐算法通过态度以及感知控制的中介作用对行为产生影响;此外,个人特质对行为产生的全过程起到调节作用。对特定情境下用户信息行为的研究以及进一步探究过滤气泡现象提供了一种研究视角和研究基础。 相似文献
20.
杨晓雯 《大学图书情报学刊》2024,(2):46-52+89
概述ChatGPT应用于图书馆的理论研究现状,分析其对图书馆服务转型的影响,并构建基于ChatGPT的智慧图书馆体系,包括基础设施层、算法支撑层、数据资源层、业务运作层和服务应用层。进一步提出图书馆服务转型路径,包括资源整合、服务升级、知识共享、技术提升、用户参与和智慧环境建设等方面。文章认为ChatGPT对图书馆转型将起关键作用,可以推动服务变革,提升服务效果,助力智慧图书馆的真正实现。 相似文献