共查询到20条相似文献，搜索用时 15 毫秒
1.
【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
2.
【目的/意义】如何将网络文物信息资源中不同的知识提炼后推荐给有关用户,是文物信息资源开发与利用
过程中的关键问题。【方法/过程】通过主题-知识关联模型构建文物知识网络并识别网络中文物信息资源文本中的
主题词,而后根据知识及主题词的重要性对耦合后的知识进行重要性排序,按照知识与主题的关联程度实现文物
信息资源的知识推荐。【结果/结论】在实验中实现了不同网络文物信息资源的知识推荐,对比了不同数量主题词下
知识发现的效果,发现该方法在学术型文物信息资源的知识发现与推荐中效果较好。【创新/局限】利用知识库与信
息资源内容构建知识网络,通过计算网络节点的重要性进行知识推荐,为文物信息资源的利用提供了新的方法。
但受制于知识库知识储备的影响,可能无法挖掘信息资源的知识全貌。 相似文献
3.
【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
4.
【 目的/意义】研究从用户群体的角度出发,依据用户特征对社区用户进行群体划分,以了解不同用户群体的
主题差异,从而更加全面清晰的了解社区主题,更好的为社区用户推荐资源。【方法/过程】研究利用社会网络分析
和Topsis算法对用户群体进行划分,再利用LDA模型分别对不同用户进行主题挖掘,最后采用谱聚类实现主题优
化。【结果/结论】科学网情报学社区的核心用户与一般用户群体主题有相同的部分,也存在差异,核心用户群体的
主题专指性较强,一般用户群体的主题较为广泛。基于虚拟学术社区用户群体主题挖掘模型,可以更加全面展示
社区用户关注的主题,更好地为社区用户推荐资源。【创新/局限】研究从用户群体的视角出发,提出了虚拟学术社
区用户群体主题挖掘模型,更好的为社区用户推荐资源,但本研究在数据量、主题模型以及社会网络分析指标的选
取等方面还需要拓展与延伸。 相似文献
5.
【目的/意义】利用用户画像以及个性化推荐算法实现智慧图书馆中的图书推荐。【方法/过程】从构建智慧
图书馆用户画像的自然属性、兴趣属性、社交属性三个数据维度出发,借助相似度计算方法分别计算不同维度读者
和图书的相似度,实现基于相似读者和相似图书的虚拟图书推荐,阐述了借助智慧图书馆的先进技术实现基于位
置的实体图书推荐。【结果/结论】实验结果表明将用户画像用于智慧图书馆图书推荐可提升图书馆个性化服务能
力,针对读者实现精准推荐。【创新/局限】基于用户画像的图书推荐从多个维度进行组合推荐,实现了智慧图书馆
虚拟图书和实体图书的个性化推荐,提高了推荐质量,为提升智慧图书馆个性化服务具有一定的借鉴意义。局限
在于选取的读者以及图书数量较少。 相似文献
6.
【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
7.
【目的/意义】为了向在线医疗社区中的用户自动推荐符合其自身实际需求的医生,本文基于在线问诊文本
信息,提出了基于相似用户与相似医生的混合医生推荐算法。【方法/过程】首先从用户咨询问题出发,找到具有相
似咨询问题的用户,将其所选择的医生作为基于相似用户的推荐集合;然后从医生回答从发,通过LDA主题模型训
练,从医生回答文本集中挖掘出隐含的疾病主题,按主题查找具有相似疾病诊治经验的医生作为推荐集合;最后通
过混合相似度计算融合基于相似用户和相似医生的推荐结果,得到最终推荐列表。【结果/结论】通过对在线医疗社
区“39健康网”进行实证研究,结果表明,利用本文提出的方法进行推荐,能够有效降低数据维度,挖掘文本间的潜
在语义关联,有效缩小语义鸿沟,提升推荐质量,具有较好的推荐效果。【创新/局限】本文仅选取了针对科室的小样
本数据进行实验,且部分参数使用经验值,未来可深入探讨该方法在大规模医疗数据集上的应用。 相似文献
8.
【目的/意义】针对数据稀疏型用户推荐准确度低,大数据联盟群用户对群推荐结果整体满意度不高的问题,本文提出一种基于改进VIKOR的大数据联盟数据资源群推荐方法。【方法/过程】根据大数据联盟数据资源群用户特点,在构建群推荐矩阵时,将用户分为群内用户和群外用户,分别考虑不同用户评分对群推荐结果的影响;依据大数据联盟数据资源的特殊性,提出一种数据资源属性权重确定方法,对不同数据资源的各属性分别确权,从而提高群推荐质量。【结果/结论】实验结果表明,本文提出的算法不但能够为数据稀疏型用户提供较准确的推荐结果,而且有效提升了大数据联盟数据资源群用户的整体满意度。【创新/局限】本文将VIKOR算法改进后用于大数据联盟数据资源群推荐,有效改善了群推荐效果,但未考虑用户分群对群推荐结果的影响,接下来将对联盟用户如何准确分群进行研究。 相似文献
9.
【目的/意义】大数据情报分析和知识服务时代,如何快速高效地从海量文献中获取情报并实现精准的文献 个性化推荐,是文献推荐个性化服务亟待解决的问题。【方法/过程】对文献个性化推荐模型进行研究,通过专家权 重维、用户维以及情境感知维三个维度的协同,识别用户的兴趣点。推荐模型使用层次分析法和熵权法量化专家 意见;使用潜在狄利克雷分布和KL散度计算量化用户相似度;通过用户社会标注行为、搜索行为、浏览行为得到用 户情感倾向,并引入时间因子量化用户情感;最后引入“最大频度值”确定各个维度的推荐指数,加权计算得到文献 综合推荐指数。【结果/结论】以高校图书馆为实验平台,对本文提出文献个性化推荐方法进行验证。实验结果表 明,与传统的基于内容的推荐方法、协同过滤推荐方法以及混合的推荐方法相比,基于三层维度的文献个性化推荐 方法在准确率与召回率上都取得了更好的性能。 相似文献
10.
【目的/意义】用户画像深刻地描述了视频用户的个体和群体行为特征,为视频的个性化推荐服务提供参
考。【方法/过程】通过文本挖掘对爬取的视频、用户及其观影数据分析,构建单个用户画像,并通过K-Means和LDA
模型对用户聚类并提取主题,挖掘群体用户特征。基于用户画像和时间指数衰减的视频兴趣标签,并结合视频喜
爱度和协同过滤,进行视频推荐。【结果/结论】考虑时间指数衰减的个性化推荐,提高了系统对用户兴趣的感知。
结合视频喜爱度和协同过滤,推荐视频评分达0.87,有助于提高用户对网站的忠诚度和活跃度。【创新/局限】基于用
户生成内容的文本挖掘结果,进行单个和群体用户画像,并创新性采用时间指数衰减构建用户视频兴趣标签,以捕
获用户兴趣的变化。由于网络爬虫的限制,实验数据量有一定的局限性,且特征提取兴趣范围有限。 相似文献
11.
【目的/意义】通过对用户和资源进行挖掘帮助用户找到自己感兴趣的资源已成为新网络环境下普遍存在 的服务方式之一,图书资源推荐服务不仅可以提高图书资源利用率,而且对于满足读者需求、提高用户满意度具有 重要现实意义。【方法/过程】针对目前图书推荐过程中存在的问题,提出融合人工智能和社会化标签的方法实现 书目推荐的思路,在深入分析用户兴趣与社会化标签、相似用户群之间的关系的基础上,提出一种融合用户智能标 签与社会化标签的推荐方法,并给出该推荐方法的详细流程。【结果/结论】实验结果表明,与传统的方法相比,本文 提出的融合方法具有更好的效果。 相似文献
12.
【目的/意义】构建基于用户动态画像的学术新媒体信息精准推荐模型是满足学术新媒体用户对学术信息
资源精准化、个性化与专业化的要求,同时也是提高学术信息流转效率以及价值增值的有效途径。【方法/过程】在
探究学术新媒体信息流转模型的基础上,进一步分析学术新媒体用户需求与分层画像,重构学术新媒体用户画像
步骤,构建基于用户动态画像的学术新媒体信息精准推荐模型。【结果/结论】基于用户动态画像的学术新媒体信息
精准推荐模型能够实现学术信息资源与用户的精准对接,提升用户忠诚度,更好地服务科研工作者的学术活动。
【创新/局限】从理论框架角度分析与构建学术新媒体信息推荐模型,后续将重点研究模型的技术实现与实践应用。 相似文献
13.
【目的/意义】为帮助科研用户快速准确地找到与自身研究兴趣相关的学术论文,构建了基于细粒度语义实
体的学术论文推荐模型。【方法/过程】将实验前期识别出的研究主题、研究对象和理论技术类语义实体作为学术论
文和核心作者的内容特征,分别利用TF-IDF算法、TextRank算法和LDA模型得到学术论文和核心作者的特征词,
利用Word2vec对特征词进行向量化,再计算核心作者和学术论文的余弦相似度,将余弦相似度值靠前的Top20推
荐给作者。【结果/结论】利用准确率、召回率和F值对基于三种算法得到的特征词生成的推荐结果进行比较评价,结
果表明,基于TF-IDF算法得到的特征词生成的推荐效果最佳,并对推荐结果进行了实例展示,可以看出本文提出
的推荐模型能够更为全面地为科研用户推荐与其研究兴趣类似的学术论文,提高科研效率。【创新/局限】本文主要
是从学术论文的内容特征入手,对类型细分后的关键词利用不同算法进行核心作者特征词筛选,进而实现学术论
文推荐,但是对学术论文中包含的网络关系并未涉及。 相似文献
14.
【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
15.
【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
16.
【目的/意义】移动互联网时代,移动电子商务用户的个性化信息需求具有极强的情景依赖性与感知信任
性,针对目前移动商务信息服务个性化和准确性较低,提出融入用户个性化情景与用户间信任关系的推荐模型。
【方法/过程】首先,通过用户当前情景和历史评分数据计算出对每个用户即时信息需求影响最大的K个情景要素,
以此构造用户个性化情景,然后结合不同信任环境下的用户信任度矩阵改进已有的不同信任信息环境下用户情景
兴趣推荐方法,进而进行项目推荐。【结果/结论】通过Movie lens与Book-Crossing数据集对本文提出的算法和其
它两种算法进行比较,实验结果表明：本模型具有较高的推荐准确率,可有效地解决移动商务环境下的个性化推
荐问题。 相似文献
17.
【目的/意义】本文通过探究社交媒体主题分布特征及其在不同情感倾向的差异性,对发掘用户意见表达的特征规律,进而在突发事件风险沟通中制定科学合理的内容发布和情感引导策略,提升风险沟通管理效果具有重要作用。【方法/过程】研究从发文和用户两个维度出发,设计主题分布指标,刻画社交媒体主题的散布状态。采用方差分析,检验主题分布特征在情感倾向上的显著差异,解析影响主题情感演变的内在因素。【结果/结论】实验以新浪微博中高影响力用户的常态发文为样本数据,分析发现：(1)通过聚焦主题和集中输出观点,可以培养用户在特定领域中的影响力。(2)高影响力用户习惯于表达明确的情感倾向,且其情感随着时间推移变化。(3)主题分布热度和广度在发文的积极与消极情感倾向上具有显著差异,且均不受时间因素的影响。【创新/局限】本文构建了主题分布特征分析框架,并探讨了主题分布特征与情感倾向的差异,研究结论可为制定科学的风险沟通策略提供参考。后续可通过探究基于用户常态发文与事件发文的异同规律实现观点和情感预测,辅助突发事件中的舆情风险治理。 相似文献
18.
【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
19.
【目的/意义】提出一种基于向量的在线学习推荐系统架构,通过将访问序列的先后次序作为推荐的重要依
据,将访问记录预处理进行向量表示,在此基础上基于向量利用DBSCAN算法对用户进行协同过滤聚类并实施知
识点推荐。【方法/过程】将用户访问学习资源的日志记录进行解析,并进行预处理以向量的格式表示,在考虑浏览
历史日志的同时,将访问序列的先后次序作为推荐的重要依据,进而基于向量利用DBSCAN算法对用户进行协同
过滤聚类,并实施推荐。【结果/结论】利用用户历史学习记录进行向量表示,充分考虑知识点学习次序,提出了一种
在线学习推荐新方法的尝试,实验结果表明该推荐方法是有效的。 相似文献
20.
【目的/意义】当前全球信息化时代下信息过载问题日趋严峻,在深度挖掘信息的基础上,结合用户行为特
征进行智能匹配显得尤为重要。【方法/过程】本文在基于潜在因子模型的个性化推荐算法的基础上,构建了结合时
间序列的语义信息挖掘及匹配模型。通过引入用户历史行为的时间序列语义信息,提高已有模型预测用户偏好的
准确性,结合因子分解机的思想实现对扩展模型的构建,并通过 movielens数据集对该方法的有效性进行验证。【结
果/结论】实验结果表明,新模型能够有效提高已有推荐模型预测用户偏好的准确性,从而实现了良好的数据挖掘
及匹配效果。 相似文献