共查询到20条相似文献，搜索用时 734 毫秒
1.
2.
3.
针对电子商务平台推荐结果准确率低和无法真正实现个性化的问题,本文提出了一种基于云计算的用户兴趣建模和更新方法。以用户的注册信息、评分信息和浏览行为作为偏好原始数据,通过云计算得到结构化的主题和特征项信息,构建兴趣模型。利用用户的反馈自适应地调整主题特征值向量和阀值,更新用户模型。通过加入时间向量区别活跃兴趣和稳定兴趣,及时准确地反映用户兴趣变化,提高个性化服务性能。 相似文献
4.
针对电子商务平台推荐结果准确率低和无法真正实现个性化的问题,本文提出了一种基于云计算的用户兴趣建模和更新方法.以用户的注册信息、评分信息和浏览行为作为偏好原始数据,通过云计算得到结构化的主题和特征项信息,构建兴趣模型.利用用户的反馈自适应地调整主题特征值向量和阀值,更新用户模型.通过加入时间向量区别活跃兴趣和稳定兴趣,及时准确地反映用户兴趣变化,提高个性化服务性能. 相似文献
5.
6.
互联网的高速发展导致网络学习资源数量迅速增长,案例教学、理论教学等教学资源的个性化推荐受到更多关注。学习者模型是实现个性化推荐的依据。文章以CELTS-11学习者模型规范为基础,针对学习者的个性差异,在学习过程中对基本信息、学习风格、知识状态、认知能力、兴趣偏好等个性化特征展开研究,解决目前资源推荐系统的学习者模型中学习者特征描述不全面、个性化程度不高等问题,构建出了个性化的学习者模型,为学习资源的推送提供了有力的依据,应用效果表明了该方法的有效性。 相似文献
7.
8.
在基于知识的推荐系统中,用户的个性化需求需要通过交互引导得出。为了提高用户的交互体验,建立了基于有限状态机(FSM)的用户交互模型。根据所推荐物品的特征建立用户交互行为的有限状态机模型,通过求解有限状态机模型的有效路径,生成用户的个性化需求和偏好。该模型通过会话式的交互方式,根据用户的个体特征,提供有效交互,减少了用户交互负担,提高了推荐结果的信任度、满意度。 相似文献
9.
10.
杨通桅 《贵阳学院学报(自然科学版)》2007,2(4):55-59
以网络环境为基础,基于信息用户的信息使用行为、习惯、偏好和特点向用户提供满足其各种个性化需求的一种服务.用户的兴趣、习惯、偏好和特点是个性化服务的起点,先进的技术是个性化服务的重要手段,针对性、主动性是个性化服务的两个主要特点.内容包括服务资源的个性化、服务内容的个性化和服务方式的个性化.列出网页定制服务、信息推送服务、检索帮助服务、数据挖掘服务等服务类型. 相似文献
11.
聂晶 《中国科教创新导刊》2009,(14):162-162
在现有的推荐系统中,将所有用户的评分信息收集起来构造用户的偏好,从而为每个用户推算或推荐最适合的资料。但是当用户兴趣发生变化时,却不能很好的适应兴趣的动态变化。本文提出了可实时更新用户兴趣的推荐系统,从而可以自动处理该用户个性化过程。 相似文献
12.
13.
晏齐宏 《湖南师范大学社会科学学报》2024,(1):111-124
以复杂网络为视角,将信息圈层化操作化为用户信息共同关注网络,通过日志法收集用户信息接触数据,采用指数随机图模型(ERGM)分析圈层化的形成机制。研究发现,用户信息共同关注网络密度较低,呈现圈层化趋势。用户属性(包括人口特征、媒介使用偏好)、既有社交关系和信息关注网络的自组织结构影响信息圈层化,其中网络自组织结构的影响远远大于其他要素,节点的点度中心性、聚集系数正向影响信息圈层化,但中介中心性负向影响信息圈层化。用户社交关系数量、社交关系强度的影响因信息关注网络中的自组织结构而弱化,进而并不影响信息圈层化,线上社交媒体使用不会促进信息圈层化。此外,算法推荐平台使用偏好、算法政治信息偏好不会导致信息圈层化。 相似文献
14.
通过研究用户历史行为数据去捕捉用户购物的动态偏好,结合BP算法挖掘与每位用户购物习惯息息相关的商品特征属性集,并建立基于商品特征属性的关联规则推荐模型及基于商品时效的推荐模型,进一步提升个性化实时推荐系统推荐商品的效率并增加其多样性。 相似文献
15.
16.
个性化推荐作为解决学习者信息迷航的重要途径已成为研究热点。以生成性学习资源中学习者的个性化学习特征为基础,构建用户模型。根据布卢姆认识理论,采用贝叶斯网络评估学习者认知状态,并基于Felder-Silverman模型,利用TAN贝叶斯网络预测学习者学习风格,依据学习者的认知水平和学习风格推荐不同的学习策略,以有效提高学习效率。 相似文献
17.
随着互联网与移动终端的普及,网络上的电影娱乐信息数量海量增加,用户对电影个性化服务的需求日益旺盛。设计电影个性化推荐系统,该系统基于B/S模式,采用JavaEE体系架构。个性化电影推荐服务能够挖掘用户信息、电影项目信息间隐藏的关联性,从而发现用户的潜在兴趣,将用户可能感兴趣的影视片推荐给用户。 相似文献
18.
针对服装推荐方法推荐精度不高、覆盖率低,不能充分挖掘用户潜在兴趣的问题,提出一种基于用户图像内容属性偏好与时间因子的服装推荐（UIACF）算法。通过构建深度卷积神经网络,提取服装图像中的服装属性,并据此形成用户属性向量,将基于用户属性偏好的相似度与基于时间因子的用户兴趣偏好相似度融合,构建用户偏好模型。将其与基于用户的协同过滤（UCF）算法、基于项目的协同过滤（ICF）算法及基于项目偏好的协同过滤（UCSVD）算法进行比较,结果显示,UIACF 算法准确率提高 14%。该算法为基于用户的服装协同过滤个性化推荐提供了一种新思路,用户潜在兴趣挖掘效率更高。 相似文献
19.
20.
针对目前教学资源服务中普遍存在的海量教学资源与用户个性化需求之间的矛盾,在基于校园网的英语教学资源库系统中建立了一个教学资源个性化检索模型,该模型把基于网络的个性化信息服务引入英语教学资源体系,尊重用户中存在的差异,学习和跟踪用户的个性化兴趣,并根据用户的个性化兴趣特征对英语教学资源进行过滤,实现少而精的教学资源个性化检索。实验表明:该模型能有效地提高英语教学资源服务中个性化检索的查全率和查准率。 相似文献