共查询到20条相似文献,搜索用时 31 毫秒
1.
一种基于本体论的用户兴趣模型构建方法 总被引:1,自引:0,他引:1
提出了一种基于本体论的用户兴趣模型构建方法.就是利用领域本体论,通过观察用户在浏览Web页面时所采取的动作以及用户的反馈信息,获取用户的兴趣信息,从而构建用户兴趣模型,实现个性化信息检索. 相似文献
2.
基于隐式反馈的用户模型设计与实现 总被引:1,自引:0,他引:1
个性化信息服务技术实现的关键在于必须知道用户的兴趣,并准确地建立用户兴趣模型.本文利用用户浏览网页时的隐式反馈信息建立和更新用户模型,为了收集用户的浏览行为信息,在客户端设计了一个浏览器插件,并采用了回归分析方法建立了用于计算网页兴趣度的模型,通过实验数据分析证明所建立的模型是成立的. 相似文献
3.
用户兴趣模型在图书馆个性化推荐服务中的应用 总被引:4,自引:0,他引:4
兴趣模型是图书馆信息个性化服务的关键技术,在向量空间模型的基础上,给出了层次型用户兴趣模型,介绍了在该模型下个性化推荐服务的框架,说明了利用反馈对兴趣模型进行调整的方法,并讨论了系统中涉及的关键技术. 相似文献
4.
如何准确分析用户行为,向用户提供满意的网页信息,一直以来都是个性化信息推荐系统设计的目标。本文在分析现有个性化信息推荐模型的基础上,针对以往研究在推荐兴趣时仅根据语义相关度进行协助性信息推荐,而忽略用户行为规律所包含的潜在兴趣信息的不足,尝试提出一个结合Web语义挖掘和FP-tree规则发现技术的个性化信息推荐模型。该模型利用本体对语义的明确化描述,在挖掘用户行为信息时获取用户兴趣偏好的语义信息,并利用FP-tree技术根据以获取的语义信息推理出用户兴趣行为模式,从而在信息推荐时不仅能准确理解用户兴趣偏好,也能根据用户潜在兴趣规律,推荐给用户更全面的网页信息。 相似文献
5.
[目的/意义]基于社交网络用户短期兴趣和长期兴趣,挖掘用户不同时间窗口下长短期兴趣,能够提高用户兴趣发现的准确性,解决推荐系统不能适应用户兴趣变化的问题。[方法/过程]通过对社交网络用户兴趣的研究发现,社交网络用户兴趣可以分为短期兴趣和长期兴趣,据此构建融合用户兴趣漂移特征的个性化推荐模型。采用时间窗口的方法挖掘用户短期兴趣,利用遗忘曲线跟踪用户长期兴趣变化。在此基础上对用户进行聚类,根据用户聚类结果为用户推荐兴趣相似用户。并以微博真实数据为例进行实证。[结果/结论]融合用户兴趣漂移特征的个性化推荐模型能够较准确地发现用户兴趣漂移特征,满足用户个性化信息需求。[局限]仅使用"微博"这一应用广泛的网络社交平台进行实证,未能从多个网络社交平台进一步验证模型的可行性和准确性。 相似文献
6.
7.
8.
个性化服务质量的优劣取决于能否准确地获取用户兴趣模型。本文先探讨用户兴趣概念,接着讨论用户兴趣的信息采集方法,以此为基础构建基于加权关键词的用户兴趣模型,并用实例来验证使用加权关键词表示用户兴趣模型是有效的。 相似文献
9.
【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
10.
基于分类的用户兴趣漂移模型 总被引:1,自引:0,他引:1
针对个性化信息服务系统中如何表示用户兴趣和用户兴趣的漂移问题,提出了一种基于分类模版的用户兴趣模型构造方法.采用遗忘算法,将用户的长期兴趣和短期兴趣相结合,体现用户兴趣的漂移. 相似文献
11.
协同过滤推荐算法已成功应用在各类门户网站,越来越多的研究者参与其中,然而在协同过滤推荐过程中用户—项目评分矩阵数据稀疏性以及推荐的准确性低等问题,始终制约着该算法的发展。为此,从用户兴趣角度出发,单独构建情景用户兴趣模型及社交网络用户兴趣模型,再通过Logit Boost算法将2个兴趣模型融合得到准确的用户兴趣模型。Slope One算法填充用户—项目评分矩阵,解决用户—项目评分矩阵数据稀疏性问题;同时,通过用户兴趣模型计算目标用户的最近邻居用户,通过计算用户相似性,得到推荐集来提高协同过滤推荐算法的推荐准确度。 相似文献
12.
用户兴趣的度量和用户兴趣的修正是个性化服务研究的重要内容。本文以用户最小浏览行为组合为基础,通过引入页面浏览率,改进页面驻留时间的计算方法,建立以页面浏览率、驻留时间和浏览速度为变量的兴趣度估计函数,提高用户兴趣度估计的准确性。同时,本文还将兴趣度导入到向量空间模型,采用二层树状结构表示用户兴趣,并提出用户兴趣定期修正方法,以缓解用户兴趣实时修正带来系统性能的下降。 相似文献
13.
提出了一种改进用户浏览行为的用户兴趣模型,该模型综合考虑了用户对页面的浏览行为、用户的长期兴趣和短期兴趣。将这种改进的用户兴趣模型应用于个性化搜索引擎系统中,详述了系统的基本框架、系统基本功能模块,开发了一个演示系统IUBPSES。模拟实验显示:利用该改进用户兴趣模型的搜索引擎系统进行关键词搜索,其搜索效果优于'-3前主流搜索引擎系统。最后,指出了需要改进和进一步研究方向。 相似文献
14.
智能检索系统中用户兴趣模型构建技术研究 总被引:4,自引:0,他引:4
阐述了智能检索系统中基于贝叶斯推理网络的用户访问兴趣模型的构建过程以及其所依赖的技术原理;描述了在实现智能检索系统目的下引入用户兴趣学习层的知识库组织结构以及检索模型的匹配问题;介绍了模型中基于本体论的知识组织方式以及引入贝叶斯网络来动态调整用户兴趣概念权重并建立用户兴趣模型的技术。 相似文献
15.
[目的/意义]从用户相似度计算和用户反馈双重视角出发,进行高质量用户推荐,有利于提高网络知识社区个性化推荐水平。[方法/过程]首先基于爬虫工具和Python包进行用户属性数据采集和分析,以计算用户之间的背景、社交关系、博文信息的综合相似度;然后再计算用户核心度,基于相似度矩阵和核心用户排名形成待推荐列表;最后引入用户反馈机制,并根据用户的正负反馈结果确定最佳Top-k好友。[结果/结论]融入用户反馈的好友推荐模型能够提高推荐用户的质量,有效地提高好友推荐水平,也验证了好友推荐是一个逐步修复的过程。 相似文献
16.
17.
18.
提出了一种基于用户浏览历史的用户兴趣提取模型,它隐式地收集用户信息用于个性化搜索中,即是通过对用户兴趣度的定义,在用户的浏览历史中得到一组代表用户兴趣的网页,并设计一个聚类算法,对这组代表用户兴趣的网页进行聚类操作,从而得到能代表此用户兴趣类别的词,即用户的兴趣。 相似文献
19.
20.
信息用户浏览兴趣行为探析 总被引:1,自引:0,他引:1
通过对用户浏览行为与用户浏览兴趣的分析,提出了一种利用用户浏览页面集的内容信息和浏览行为信息.得到用特征矩阵表示的用户兴趣模型,为用户提供个性化信息服务。 相似文献