共查询到18条相似文献，搜索用时 437 毫秒
1.
基于社会化标签网络的细粒度用户兴趣建模 总被引：1，自引：0，他引：1
针对目前由社会化标签抽取用户兴趣模型过程中存在的问题,在借鉴社会网络分析的基础上,提出构建网站层次和用户层次的社会化标签网络对用户产生的社会化标签进行序化,进而分别得到反映主题领域的社会化标签使用文档和用户标签网络,通过两者相似度的计算形成细粒度用户兴趣模型。实验结果能够验证该模型的科学性。 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.
社会化标签系统中基于密度聚类的Web 用户兴趣建模方法 总被引：1，自引：0，他引：1
Web用户兴趣模型在个性化信息服务中有着非常重要的作用。本文利用社会化标签的独特优势,针对传统社会化标签聚类方法的局限性,提出了一种基于密度聚类的Web用户兴趣建模方法。首先建立基于社会化标签的向量空间模型,并将社会化标签表示为Web资源及其权重的形式,以此为基础利用DBSCAN算法对其进行聚类,进而依据所有Web用户的标注行为以每个聚类为中介计算特定Web用户对Web资源的兴趣度来构建Web用户兴趣模型。实验结果表明了该方法的优越性。 相似文献
4.
[目的/意义] 利用社会化标签对电影资源进行标注已成为新网络环境下电影资源组织的新方式,构建电影资源本体对规范电影标签语义、提高电影资源检索效率具有重要现实意义。[方法/过程] 针对目前电影资源本体构建方法及构建过程存在的问题,提出利用社会化标签构建电影资源本体的思路,在深入剖析电影标签与电影资源本体映射关系的基础上,揭示一种基于社会化标签的电影资源本体构建方法,并给出利用该法构建电影资源本体的详细流程。[结果/结论] 利用豆瓣电影中的标签数据集构建一个电影资源本体,并分析基于社会化标签电影资源本体构建方法的科学性和优越性。 相似文献
5.
用户兴趣建模是个性化信息服务的基础和核心,它的主要构建环节包括了信息获取、模型表示、模型学习更新。通过对现有基于本体的用户兴趣建模思路分析,采用了叙词表改造本体的方法介绍用户兴趣模型的构建,构建过程中应用到了初始本体、领域本体、用户本体和参考本体。 相似文献
6.
基于Web挖掘技术的用户兴趣本体学习研究 总被引：2，自引：1，他引：1
目前针对基于关键词的用户模型不能从语义上表达用户需求真正内涵,基于领域本体的用户模型多数忽略研究概念间非分类关系和语义应用环境较分散等缺陷。本文提出一种循环式的基于Web挖掘技术的用户兴趣本体学习模型,即综合应用统计分析、关联规则和聚类分析等技术进行电子商务领域用户兴趣概念及概念间分类与非分类关系学习,面对用户兴趣的迅速变化,还提出一种传递激活方法来实时更新本体或重新进行本体学习,以不断提高该本体的质量。经验证,基于该本体的用户模型在文本过滤等应用中能较上述两种用户模型满足用户个性化服务需求。 相似文献
7.
个性化服务中用户兴趣建模与更新研究 总被引：1，自引：0，他引：1
目的:为了使用户兴趣模型更好地被推荐系统理解,实现个性化服务.方法:引入领域本体,对特征项语义进行扩展,构建电影领域本体.根据信息论思想,改进相似度的计算方法,构建基于本体的用户四元组多兴趣细粒度表示模型和相应更新机制.结果:随着用户欣赏同类电影的数量的不断增加,用户兴趣模型能进行累加学习,推荐的准确性不断提高.当用户的兴趣爱好发生转移时,用户兴趣模型能随着用户兴趣的转移合理地"遗忘"掉用户过去的爱好,而积累用户新近感兴趣的电影主题.结论:实验表明该用户兴趣模型能够准确及时地跟踪用户多种兴趣及其变化,保证用户模型的可靠性. 相似文献
8.
[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
9.
目前,社会化标注已经成为个性化信息推荐领域中的研究热点之一,标签质量对于推荐效果的影响也受到了广泛关注.本文针对标签的质量问题,指出用户标注偏差普遍存在于标注系统中,尤其是形式偏差,给用户兴趣模型的合理提取形成了阻碍.基于此,我们提出了主流标签的概念,以其体现的大众智慧来克服标注偏差所带来的影响,通过分析资源中标签的平均标注率进行主流标签数量的确定,实现资源模型和用户协同模型的构建,并进一步结合兴趣度对用户协同模型加以了改进.最后,基于Delicious的数据和用户参与评分法,文章运用余弦相似性对模型推荐效果进行了验证. 相似文献
10.
11.
12.
13.
基于社会化标签系统的个性化信息推荐探讨 总被引：4，自引：0，他引：4
14.
基于Ontology的个性化检索 总被引：4，自引：0，他引：4
目前检索工具的设计大都面向所有用户，而不考虑用户个人的特殊信息需求。本文提出一种基于Ontology的个性化检索方法，该方法自动学习用户查询的历史记录，构建用户兴趣模型，以此推导用户新提问的真正意图，满足用户特殊的信息需求。该方法适用于Internet特定领域或者特定用户群、企业网等智能信息检索。 相似文献
15.
16.
17.
Web2.0为用户提供了各种互动平台,使得用户形成社会化的群体聚合效应。本文从用户的群体性理论出发,研究网络用户群体行为,对Web2.0环境下的网络用户群体进行分类,研究了网络群体的特征,探讨了Web2.0环境下用户群体化表现,对其生命周期进行了分析,最后从群体动力学角度构建了Web2.0环境下网络用户的群体动力模型,有利于从宏观角度认识网络群体的演化趋势。 相似文献
18.
[目的/意义]准确把握社交网络用户兴趣倾向,对用户进行分类并形成高聚合的用户群,对研究社交网络信息生态以及信息推荐有重大意义。[方法/过程]通过构造基于多维度的用户属性描述层次模型,根据模型数据需求从新浪微博抓取用户样本数据,对相关用户背景信息、用户博文信息以及用户行为信息的多维度属性下二阶变量进行量化,构造用户向量表达式,比较单一维度与多维度下的用户分类效果,进一步给属性赋予不同的权重值进行加权分析,在取得最优聚类效果后进行方差分析,对模型进行改进。[结果/结论]基于多维度属性加权后的用户聚类效果明显高于单一维度及多维度非加权条件下的用户聚类,且用户博文内容维度对于提高用户聚类效果的有效性最大。 相似文献