共查询到20条相似文献，搜索用时 19 毫秒
1.
随着移动互联网的发展,越来越多的用户信息获取过程通过移动终端完成.但当前个性化推荐系统对用户情境的感知能力不足,缺乏为用户提供符合当前情境的个性化信息推荐服务.为此,本文提出了基于贝叶斯方法的情境化用户资源类别偏好学习以及融合该类别偏好的协同过滤个性化信息推荐.运用贝叶斯方法学习用户在不同情境下对各资源类别的偏好,然后将该类别偏好与传统协同过滤推荐算法相结合,生成符合用户当前情境的个性化信息推荐.实验表明本文提出的改进算法可以提高推荐的准确率. 相似文献
2.
3.
[目的/意义]旨在深入研究情境信息对用户偏好的影响,提高情境感知推荐的准确性。[方法/过程]提出了基于梯度提升决策树的情境感知推荐模型,根据梯度提升决策树计算情境属性权重,将其与传统协同过滤算法相融合,生成情境感知推荐结果。[结果/结论]该模型可以识别影响用户偏好的重要情景属性,为用户提供个性化推荐服务。 相似文献
4.
将情境因素引入个性化推荐系统中,考虑用户—资源—情境之间的三元关系,为处于不同情境、不同兴趣的移动用户推荐满足其需求的合适信息服务,是目前信息推荐新的研究方向.文章提出了基于情境和基于内容相结合的推荐算法,在当前情境下,利用用户的历史情境信息和用户偏好综合为用户推荐信息.实验表明,该算法能够显著地提高个性化推荐的准确率,可为用户提供符合当前情境的个性化资源. 相似文献
5.
6.
【目的/意义】通过对个性化信息推荐中的用户认知、情境感知以及自适应等问题展开研究,进一步丰富个
性化信息推荐的理论体系以及拓展个性化信息推荐的研究方法。【方法/过程】在对个性化信息推荐的概念和方法
以及个性化信息自适应推荐分析的基础上,首先阐述认知计算的提出和发展及其基本观点,然后对情境感知的定
义以及关键特征识别进行探讨,最后提出基于认知计算与情境感知的个性化信息自适应推荐模式及其框架,并针
对其内涵展开深入分析。【结果/结论】通过借鉴认知计算与情境感知的基本观点和技术方法,重点研究认知计算与
情境感知的融合、认知计算与情境感知融合下的用户偏好的提取、个性化信息自适应推荐模式 3个方面内容,并最
终构建基于认知计算和情境感知的个性化信息自适应推荐模式框架。 相似文献
7.
[目的/意义]数字图书馆的知识服务需要考虑用户科研情境的因素,现有研究大多集中于科研人员个体,忽略了科研团队的情境。针对团队科研活动的情境进行知识推荐,可以更好地服务以团队合作方式开展的科研活动。[方法/过程]提出了一种基于团队科研—知识应用情境匹配的数字图书馆知识推荐方法。运用情境感知技术构建数字图书馆知识应用情境和团队科研情境模型,将二者匹配,为活跃用户筛选出备选知识和邻居用户,完成知识排序和推荐。[结果/结论]通过数字图书馆知识推荐实例证实,提出的推荐方法能够精准挖掘出团队科研情境下科研人员的知识需求。 相似文献
8.
[目的/意义]将情境感知技术引入图书馆以提高服务的智能化，已成为数字图书馆的发展趋势之一。为了提高情境感知模型中推荐结果的准确度。[方法/过程]本文研究并提出了一种融合了朴素贝叶斯算法与情景感知功能的协同推荐模型，并通过实验对推荐效果进行了评估。具体为：首先，获取用户的当前任务和情景信息，同时提取历史信息库用户的行为偏好；其次基于属性加权贝叶斯算法计算用户的行为相似度，继而进行协同推荐；通过计算目标情景中所有情景属性对所推荐资源的影响的权值，对协同推荐所得评分进行加权处理，形成最终的预测预测；最后通过实验对模型进行检验。[结果/结论]结果表明：使用该模型得出的推荐结果优于传统的协同推荐结果。因此该模型能够更好地为为个性化信息服务提供支持。 相似文献
9.
大数据环境下,推荐系统项目评分的稀疏性问题愈加突出,单兴趣表示方法也难以对用户多种情境兴趣进行准确描述,导致推荐结果精度大大降低。鉴于此,提出一种多情境兴趣表示方法,在此基础上构建面向图书馆大数据知识服务的多情境兴趣推荐模型,通过对用户多情境兴趣的层次划分,利用蚁群层次挖掘的优势来发现目标用户的若干最近邻类簇,然后根据类簇内相似用户对目标项目的评分对未评分项目进行预测,最后结合MapReduce化的大数据并行处理方法来进行协同过滤推荐。实验结果表明,多情境兴趣的建模方法改善了单兴趣建模存在的歧义推荐问题,有效缓解了大数据环境下项目评分的数据稀疏问题,MapReduce化的蚁群层次聚类方法也大大改善了推荐系统的运行效率。 相似文献
10.
【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
11.
基于大数据的高校图书馆用户画像研究 总被引：1，自引：0，他引：1
《科技风》2021,(31)
基于大数据技术的图书馆用户画像能够可视化、形象化、生动化地体现读者的阅读行为。本文基于图书馆用户的用户属性数据、用户人格数据、内容偏好数据、互动数据、会话数据、情境数据进行标签化识别,围绕这六个维度进行图书馆用户画像的构建。并在此基础上开展精准推送服务,同时根据用户特征变化调整策略,提高阅读推广效果。 相似文献
12.
[目的/意义]构建多源数据融合获得细粒度的用户画像标签,加强和提升服务场景的用户画像识别与精准推荐,对于洞察用户需求、开展群体精准营销、提高用户忠诚度等有着重要的参考意义。[方法/过程]融入服务场景构建多源数据融合的用户画像识别与推荐分析框架,以用户价值模型RFM重构表征用户行为的RFCLS标签,采用LDA模型提取用户资源使用偏好的文本语义标签,继而将用户属性、用户行为和资源使用偏好等多源异构数据汇聚成用户画像标签体系后,选取随机森林模型对不同标签组合展开用户画像识别的模型训练和分类性能评估。[结果/结论]实证研究表明,与单一的数值型或者文本型画像标签体系相比,多源数据融合的用户画像模型提升了用户画像识别和分类的精准度,有效支撑高校图书馆开展更为针对性的营销服务策略和个体精准化服务推荐。 相似文献
13.
[目的/意义]用户间的专业知识异构以及用户场景的动态性,导致现有的目录式数据查询方式难以为用户提供主动式数据服务。文章针对用户在数据使用中的差异化专业知识进行识别和重组,作为连接用户和数据资源的中间知识库,以支持进一步的场景化数据互操作研究。[方法/过程]为实现这一目的,提出一套基于主题分析和语用情境融合的多义术语识别、建模方法,借助静态概念关系和动态语用情境构建术语知识库。主要研究内容包括:基于词频和词性构建文本向量空间;在领域知识不充足的情形下,提出采用主题模型半自动识别多义术语,并基于语用情境模型,在多义术语与其适用情境之间建立语义关联路径。[结果/结论]文章提出的一套基于主题分析和语用情境建模的多义术语识别方法,通过建筑工程领域的实例研究,证明该方法能够识别并解决用户之间的专业知识异构问题。 相似文献
14.
15.
[目的/意义]通过融合用户社交与情境信息,构建虚拟知识社区个性化知识推荐模型并开展个性化知识推荐算法的设计,能够在一定程度上完善虚拟知识社区个性化知识推荐方法的理论体系,具有一定的理论价值和应用价值。[方法/过程]首先构建出基于用户社交与情境信息的虚拟知识社区个性化知识推荐模型,然后利用改进的最大团算法设计出虚拟知识社区个性化知识推荐算法,最后通过选取某虚拟知识社区的用户数据进行实例分析实现精准的个性化知识推荐。[结果/结论]在利用融合用户社交与情境信息进行虚拟知识社区个性化知识推荐过程中,通过对某虚拟知识社区的实例分析,表明其个性化知识推荐结果的精准度得到了显著的提升。 相似文献
16.
[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
17.
[目的/意义]旨在为高校图书馆提高纸质资源采购质量与利用率提供参考。[方法/过程]基于用户画像的理论对不同用户进行多维度的刻画,利用机器学习中监督学习的方法,通过采用协同过滤的推荐算法对用户偏好特征做精细统计分析的定量化计算,并从用户需求的角度建立用户偏好同步变化的自适应优化在线学习的纸本资源推荐系统。[结果/结论]该研究从实证分析角度为用户实现精准的个性化纸本资源推荐服务,为高校图书馆纸质文献检索库实现智能偏好的检索功能,建立纸质文献检索库合理有效的动态更新机制,提升用户体验。 相似文献
18.
【目的/意义】为了提高信息服务的质量,文章融合“用户-标签-资源项”关系模型以及时间因素对于用户
标注资源的影响,提出了一种个性化推荐方法。【方法/过程】首先建立起“用户-标签-资源项”三者之间的关系模
型,分别计算用户对标签的偏好程度以及资源与标签的相关程度,以此为基础进行用户相似性和资源项相似性的
度量;然后,考虑标签使用的时间因素对用户兴趣偏好的影响结合基于用户标注行为的用户相似性以及资源项相
似性度量方法提出了改进的个性化推荐方法。【结果/结论】提出了一种综合标签和时间因素的推荐算法,该方法利
用标签使用频率描述用户偏好,并结合标签使用的时间因素动态更新用户偏好,提高推荐精度。该方法应用于医
学信息服务应用场景之中,并收集实验数据,最后将提出的方法与其他基于标签信息的协同过滤推荐方法在实验
数据集进行比较,实验结果发现该方法在推荐效果上优于对比方法。 相似文献
19.
针对高校移动图书馆个性化推荐的不足,利用情境感知技术和数据挖掘技术,从用户的物理情境信息、基本情境信息、社会网络3个方面获取用户的情境信息;采用向量空间模型的表示方法,提出一种基于情境感知的高校移动图书馆个性化推荐模型,并介绍模型的运行过程及相关环节,以期解决移动图书馆用户情境敏感性的个性化需求。 相似文献
20.
个性化推荐服务可以帮助用户克服信息过载问题,受到广泛的关注.虽然目前的个性化推荐方法较多,但大多数方法与用户之间的交互性不强,很难满足用户个性化需求.鉴于TOPSIS方法是一种常用的有限方案多属性决策分析法,对对象评估既全面又客观,所以将其用到了个性化推荐研究之上,进而提出了基于TOPSIS算法的个性化推荐模型及其算法,最后通过举例表明了该算法能够较好地与用户进行交互,同时能够为用户提供满足其需求偏好的个性化推荐. 相似文献