共查询到20条相似文献，搜索用时 31 毫秒
1.
【目的/意义】通过对大数据环境下的多源用户兴趣特征有效融合,缓解个性化推荐中用户兴趣偏好数据的稀疏性和准确性问题。【方法/过程】考虑到多域的数据权威度、内容质量及体系结构的差异化较为明显,提出了基于多源用户标签的跨域兴趣融合模型,首先把多个域中的用户兴趣进行标签化处理,然后利用跨域用户识别和标签权重归一方法得到多个域的用户实体-标签矩阵,最后使用域权重影响系数对标签进行融合,构造具有复合权重的用户兴趣标签集。【结果/结论】使用5个来源数据域进行实验与分析,融合模型能够有效提高标签用户覆盖效果,在查全率不断提高的情况,融合域能够保持较高的标签用户查准率,有效提高用户兴趣特征的描绘效果。 相似文献
2.
[目的/意义]跨域推荐通过挖掘、迁移并融合利用不同来源的知识为用户提供个性化的推荐服务，近年来得到学术界和工业界的热点关注，文章从多个角度对跨域推荐中的知识融合研究进展进行梳理和归总。[方法/过程]首先对跨域推荐问题进行了系统地分析，探讨了跨域推荐的“域”、跨域推荐场景和跨域推荐任务中的知识需求；其次对跨域推荐中的知识融合方法进行了分类，总结了基于聚类、基于语义、基于图模型和基于标签关联的跨域知识融合方法的优点和不足；然后分析了知识图谱技术对于跨域知识融合的启发；最后对跨域推荐研究中的知识融合进行了总结和展望。[结果/结论]知识融合作为跨域推荐研究中的重要环节，可以在知识层面实现对数据的深度加工和有效利用，为跨域推荐问题研究与实践提供新的范式。 相似文献
3.
【目的/意义】社会化问答社区现已成为网络用户共享、传播及获取知识的重要平台，但其开放性和交互性 也给其问题推荐工作带来了巨大的挑战。本文提出的基于多源混合标签的方法能够有效提高社会化问答社区的 问题推荐质量，以促使问题得到及时有效地解决。【方法/过程】利用自动标签标注系统从问答文本中提取关键词， 将语义扩展后的关键词作为基本标签，并建立多源混合标签库；利用标签表示用户的兴趣偏好与权威度，并建立用 户特征模型；最终通过协同过滤的方式进行匹配推荐。【结果/结论】实验结果表明，本文提出的基于多源混合标签 的问题推荐方法在检全率、检准率以及F值等指标方面均不同程度地优于基于文本相似度的基准方法。 相似文献
4.
【目的/意义】在线健康社区用户显、隐性知识转化与共享的行为策略与内在机理关系到社区健康知识的积
累与传播。【方法/过程】基于SECI模型对用户知识转化与共享过程中的价值收益与成本支出进行界定并建立博弈
得益矩阵,构建在线健康社区用户知识转化与共享的演化博弈模型,分析其动态演化过程与均衡稳定策略,并运用
Netlogo进行博弈仿真分析其影响机理。【结果/结论】社区用户在社会化、外化、组合化、内化四阶段不同参数设置下
参与知识转化与共享的博弈策略选择得以验证,在线健康社区用户的知识转化效率与共享效果得以提升。 相似文献
5.
【目的/意义】通过网络表示学习方法学习和发现作者间的关联性,提高推荐准确率,更好地进行关联推
荐。【方法/过程】基于2010-2017 年中国管理科学领域的数据构建基于网络表示学习的作者合作推荐模型,通过多
关系映射获取到的多关系序列作为语料库,采用Word2vec 方法进行网络表示学习训练,并利用余弦相似度方法计
算作者间相似度。【结果/结论】本文算法推荐精度达到82.8%,其推荐精度显著提高;融合元路径（元结构）特征的推
荐精度大幅提高,能为作者合作伙伴的选择提供建议和参考,对实践具有一定的指导意义。 相似文献
6.
【目的/意义】大数据环境下，如何对海量的移动图书馆数据资源进行挖掘、重组和深度融合，从而获取最有 价值的信息对移动图书馆的长远发展至关重要。【方法/过程】构建了大数据深度融合的移动图书馆情境化推荐系 统，通过深度融合图书馆用户的情境信息，有效缓解大数据环境下评分数据稀疏导致的推荐性能下降问题；同时采 用MapReduce的并行处理方式，以此提高大数据的融合与挖掘性能。【结果/结论】实验结果表明，大数据深度融合 的移动图书馆情境化推荐系统较好地将情境信息融入到移动图书馆知识推荐过程中，改进了推荐性能，有利于为 用户提供精准的个性化服务资源，MapReduce化的并行处理方法也有效提升了大数据融合与挖掘的性能与效率。 相似文献
7.
【目的/意义】优化虚拟学术社区的知识聚合模型能够构建优质的资源获取平台,实现知识的共享和创新。 【方法/过程】结合学术社区用户的相关知识需求分析,提出了虚拟学术社区知识聚合的目标——知识共享、知识管 理、知识创新和知识推送;进而又提出了基于主题的虚拟学术社区知识聚合模型和基于SECI的虚拟学术社区知识 聚合模型,并对这两种模型的相关理论进行了深入细致的剖析,在结合理论学习与创新的基础上建立了融合主题 与SECI模型的虚拟学术社区知识聚合整体模型构架。【结果/结论】实现了对当前的知识聚合模型的优化,推动虚拟 学术社区知识聚合模型理论的深入性和普适性发展,为提升虚拟学术社区知识聚合的水平提供实践参考。 相似文献
8.
【目的/意义】“信息过载”问题不利于用户快速准确获取目标信息,本文提出构建社交媒体基因图谱并应
用于信息推荐领域,为用户信息推荐提供新思路。【目的/意义】本文将社交媒体分解为社交媒体用户和社交信息内
容两大主体部分,借助生物学基因图谱概念,建立两大主体基因群并分别进行基因提取,构建社交媒体基因图谱,
并通过社交媒体基因图谱唯一辨识用户实体偏好进行信息推荐。【结果/结论】构建基于社交媒体基因图谱的信息
推荐模型,考虑用户内部及信息环境对基因图谱的影响,进行模型优化,为用户提供更加精准的信息推荐内容。【创
新/局限】基因的变异无法准确预估和控制,需要进一步研究引起基因变异的因素及变异方向,通过基因的可复制
性更加高效准确地对个人用户社交媒体基因图谱进行构建,进而实现其在信息推荐领域的应用。 相似文献
9.
【目的/意义】面对网络时代数据的海量性和无序性,为用户推荐个性化资源有利于增强用户间合作、提高
知识的共享速度,对新知识的发现具有深远意义。【方法/过程】基于具有相同兴趣用户的聚合优于单纯的信息聚
合,构建基于社会化标注系统的个性化推荐模型。通过引入社会网络中用户使用标签的频次来选择与用户关联显
著的标签,并通过加权派系发现和聚合“小众”凝聚组群和相似标签集,进而为用户推荐优质资源,使其真正契合用
户的个性化需求偏好。【结果/结论】结果表明模型能够有效实现信息的个性化推荐,消除单独聚类带来的粗糙数据
集,并通过抓取豆瓣上的数据进行实证分析。 相似文献
10.
【目的/意义】在利用用户感兴趣资源进行用户兴趣建模中，传统的资源特征选择方案未能体现用户真实兴 趣，针对这一情况，提出一种基于认知的用户兴趣建模方法，改善个性化推荐效果。【方法/过程】在结合用户群体认 知对资源特征进行识别的基础上，对用户感兴趣资源进行兴趣建模。以电影数据为例，进行个性化推荐实验，验证 模型效果。【结果/结论】实验结果显示，基于认知的用户兴趣建模的推荐准确率明显高于传统基于项目的用户兴趣 建模方法，该策略可以更准确地描述用户兴趣，提升用户兴趣建模效果。 相似文献
11.
【目的/意义】基于社交媒体用户分享的图像、博文及用户标签数据,为用户推荐潜在的好友,从而更好的为 用户做个性化推荐和精准化服务。【方法/过程】在获取微博用户分享的图像、博文及用户标签的基础上,通过使用 深度学习的方法利用图像、博文及用户标签数据来表达用户兴趣特征,基于这三类特征组合,通过计算用户之间的 余弦相似度来挖掘与目标用户兴趣最相近的若干个候选用户。同时,探讨了多模数据在无监督学习下的用户推荐 问题,并与单模数据进行比较。【结果/结论】实验结果表明,利用图像、博文和用户标签合成的多模数据对用户的兴 趣进行建模并进行好友推荐较单模数据效果好。 相似文献
12.
【目的/意义】针对主流APPS推荐系统一般仅能推荐同类别APPS的现状,提出了一种基于协同过滤的
APPS跨类别推荐算法（APPSR）。【方法/过程】该算法先对APPS进行聚类,考虑APPS簇间相似度,对未评分APPS
进行评分预测,构建无缺失的用户-APPS评分矩阵。在传统协同过滤技术的基础之上,引入了时间权重函数与热
门APPS惩罚机制,体现了用户兴趣的时效性,消除了热门APPS对推荐结果的影响。根据不同用户对多种APPS的
评分,预测用户对其它类别APPS的喜好,为用户提供跨类别的APPS个性化推荐。【结果/结论】通过实验验证了
APPSR算法的可行性与有效性,为APPS个性化推荐提供了新方法。 相似文献
13.
【目的/意义】由于信息总量的巨大和用户矩阵的稀疏,LDA模型在微博信息推荐过程中短文本处理能力
差的缺点被放大。【方法/过程】本文利用大数据技术处理海量信息的优势,探讨大数据与 LDA主题模型融合的可行
性,构建出了大数据技术与 LDA融合的推荐模型,实现在利用大数据技术对海量文本预处理的基础上基于 LDA模
型的微博信息推荐,解决微博信息推荐查全率和查准率差的问题。【结果/结论】通过 Hadoop平台上的实证分析表
明,融合模型可有效的降低混淆度和提升微博信息推荐精度,有利于实现信息的个性化和定制化推荐。 相似文献
14.
[目的/意义]从在线健康社区用户兴趣的动态迁移性出发，将时间特征融入社交关系和个人偏好，完善在线健康社区个性化推荐算法，进一步提高用户获取健康信息的准确性。[方法/过程]首先，从用户社交关系出发，构建融入时间特征的用户影响关系网络；其次，依据用户个人偏好，构建融入时间特征的用户话题帖匹配矩阵；最后，将两者融合得到用户话题帖兴趣评分矩阵，据此形成每个用户的TOP-N推荐列表。[结果/结论]构建的融合时间特征的个性化推荐算法可提高推荐的准确度，提升在线健康社区个性化推荐算法的性能。 相似文献
15.
【目的/意义】构建基于大语言模型的跨模态知识服务新模式,有助于快速适应ChatGPT主导的知识交互新范式,提高高校师生工作学习效率。【方法/过程】本文以服务用户个性化需求为中心,梳理了不同阶段高校知识服务模式的特征和局限,在此基础上,搭建了一套具有学习能力的数字生命知识服务系统,并以此探索出一种问答式知识服务新模式,并通过调研评估了该模式在个性化需求方面的服务效果。【结果/结论】以数字生命系统为核心的问答式知识服务模式改善了高校师生的个性化知识获取效率,并为虚拟化、智能化知识服务体系提供了决策参考。【创新/局限】数字生命定义了用户与平台的双向重塑机制,并通过多模态知识服务为数字生命的自监督学习提供可能。然而,其中仍有许多技术挑战,如语言模型的认知能力、实验工具的通用接口、信息安全的法规约束等。 相似文献
16.
【目的/意义】研究从用户节点和网络全局两个视角出发,基于用户相似度与信任度对虚拟学术社区中学者
进行推荐,提高学者推荐的质量。【方法/过程】首先,利用 LDA 主题模型挖掘学者发表的博文主题,计算博文相似
度;通过学者共同好友比例计算好友相似度;然后将博文相似度和好友相似度融合计算用户相似度;最后,融合用
户相似度和信任度进行学者推荐。【结果/结论】提出虚拟学术社区中基于用户相似度与信任度的学者推荐方法,综
合利用用户节点和网络全局信息,为虚拟学术社区用户进行学者推荐。【创新/局限】从用户节点和网络全局两个角
度进行学者信息融合,有效提高了虚拟学术社区中学者推荐的质量。局限在于本文主要考虑的是学者在网络全局
中的信任度,用户节点间的交互信任关系还有待进一步研究。 相似文献
17.
18.
【目的/意义】研究国际学术社交网络领域的发展特征、科研合作态势与研究向度，为我国学术社交网络领域的研究与发展提供启示。【方法/过程】从国家、学科、作者三个视角对国际学术社交网络领域的研究力量展开研究，综合分析其科研合作态势，提炼目前国际学术社交网络领域的研究向度并总结未来发展趋势。【结果/结论】国际学术社交网络研究呈现围绕多个权利中心聚集的多国家合作、多学科融合特征，中国、美国、英国是该领域研究的重要国家，计算机科学、信息科学与图书馆学是该领域研究的重要学科；科研管理评价、用户采纳、信息推荐是目前该领域的主要研究方向，基于学术社交网络交互的学术评价和人才发现将是新兴研究热点。【创新/局限】借助可视化工具，从国家、学科、作者、主题等不同维度系统梳理了国际学术社交网络领域的研究现状并探讨其未来发展趋势。 相似文献
19.
【目的/意义】对于理解“搜索即学习”理论机制,以及支持用户学习需求的信息系统的设计,融合学习与社交体验功能的检索工具的优化具有启示。【方法/过程】将ISP模型作为理论基础,综合使用日记研究与关键事件技术方法,讨论了信息搜索用户学习过程中的行动、情感与认知变化的基本规律,并基于此构建了信息搜索用户学习过程演化模型。【结果/结论】在启动、选择、探索、形成、收集与呈现六个阶段当中,信息搜索用户在行动、情感与认知上均具有非常丰富的表现。特别地,在启动阶段,出现了目标明确和目标模糊两种事件类型;在形成阶段,用户会结合对搜索结果的认识与学习需求的满足程度形成“提前上岸”与“乘风破浪”两种情形。社会化搜索、跨设备搜索、跨系统搜索等已经成为“搜索即学习”活动中的普遍现象。【创新/局限】在“搜索即学习”研究情境下重新检验了ISP模型,但对影响用户情感与认知的具体因素等的分析与解释还有待深入。 相似文献
20.
【目的/意义】为进一步完善个性化微阅读推荐模型,丰富个性化微阅读推荐的理论体系以及拓展个性化
微阅读推荐的研究方法。【方法/过程】首先探讨基于用户认知的个性化微阅读推荐模型的研究框架,然后从“人
——用户”到“需求——偏好”再到“系统——推荐”三个层面入手,提出从微阅读用户画像建模、微阅读用户偏好提
取及匹配以及个性化微阅读自适应推荐模型构建三个方面开展研究,最终形成具有针对性的个性化微阅读自适应
推荐模型。【结果/结论】通过借鉴用户认知的基本理论和技术方法,将移动用户微阅读的情境感知、社交网络和情
感体验进行融合构建用户画像并且在融合的基础上实现个性化微阅读自适应信息推荐。 相似文献