共查询到20条相似文献，搜索用时 390 毫秒
1.
【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
2.
【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
3.
【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
4.
【目的/意义】探究不同信息视域环境下的协同信息行为,旨在丰富协同信息行为影响因素模型,并为优化
跨学科信息资源服务提供参考。【方法/过程】通过提供特定信息导航工具和放开人际资源构成了不同信息视域环
境,对35名实验者开展受控实验,收集协同信息行为数据,利用HMM（隐马尔科夫模型）方法分析协同信息行为的
变化。【结果/结论】研究得出导航工具环境下,实验者协同信息行为模式从“人-人”式转变为“人-系统”式;放开人
际资源环境下,实验者协同信息行为模式由“主-主”式转变为“主-从”式。 相似文献
5.
6.
【目的／意义】为了更加深入地研究影响信息偶遇的因素,探讨用户维度下的影响因素,以及这些因素如何
对信息偶遇产生影响,为日后如何提高用户信息偶遇发生机率提供参考。【方法／过程】采用元人种志这一较为新
颖的定性分析方法,对原始研究进行综合集成。【结果／结论】本研究在“用户”维度下,最终集成了影响“用户”维度
的子维度。子维度分别为“个性特征”、“个人情感状态”、“信息素养”、“认知风格”、“人口统计学特征”。每一个子
维度下的因素对偶遇的程度有不同的影响,如“个性特征”子维度中,笔者发现越具有好奇心、创造力、兴趣越广泛、
思维越活跃,以及具有准备的头脑的用户会更容易发生信息偶遇等等。 相似文献
7.
【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
8.
【目的/意义】探究在线健康社区用户诊疗信息求助行为形成机理的概念模型，为在线健康社区的设计者、 运营者和管理者的服务创新提供可供参考的意见和建议。【方法/过程】以“好大夫在线”、“寻医问药网”、“39健康 网”等在线健康社区的用户群体为研究样本，采用“情境实验+焦点小组+深度访谈”的研究方法收集原始资料，并运 用扎根理论提炼出在线健康社区环境下用户诊疗信息求助行为形成机理的概念模型。【结果/结论】研究结果表明， 由诊疗收益和成本收益组成的求助收益因素在用户求助行为的形成中起到了驱动性的作用，由诊疗风险和安全风 险组成的求助风险因素起阻碍性的作用，由信息质量、平台质量和服务质量组成的在线健康社区因素起支持性的 作用，由行为能力、性格、健康状况和资源条件等组成的求助者个体因素起调节性的作用。 相似文献
9.
【目的/意义】针对社会化标注过程中标签频次不能准确表征用户偏好,以及图书推荐过程中面临的数据稀
疏和冷启动问题。【方法/过程】本文基于记忆优化机制,提出读者偏好表示方法,以“豆瓣读书”作为实证对象,利用
DBSCAN 算法聚类结果评价该方法,实验证明该方法具有较好的表征效果。为解决图书推荐过程中面临的冷启
动、数据稀疏等问题,以基于记忆优化机制的读者偏好表示为基础,开展图书群组推荐研究。【结果/结论】实验结果
显示,本文提出的推荐方法具有较高的准确率、召回率和F值。【创新/局限】本文提出了基于记忆优化机制的读者偏
好表示方法对挖掘读者偏好和开展推荐服务具有重要意义,但在读者偏好构建过程中还需进一步细化认知构建和
更新过程,必要时可考虑利用更多读者属性完善记忆构建和优化机制。 相似文献
10.
【目的/意义】针对不同主题下资源数量的差异对用户兴趣建模存在影响的问题,提出一种基于主题热度的
兴趣建模策略,提升模型的预测能力与推荐系统的推荐效果。【方法/过程】以主题下不同资源的数量代表该主题的
热度,以此对用户兴趣特征进行调权处理,并在此基础上利用向量空间模型进行兴趣表示。以抓取的“豆瓣电影”
675351 位用户的观影数据进行推荐实验,验证本文策略的效果。【结果/结论】实验结果显示,基于主题热度调权的
兴趣建模方法的推荐准确率明显高于传统基于绝对频次的兴趣建模方法,该策略可以提升用户兴趣建模效果。 相似文献
11.
12.
【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
13.
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
14.
【目的/意义】从“信息-技术-人”视角探索在线研讨平台中信息交流的独特规律,为在线研讨平台优化提
供理论依据。【方法/过程】将在线研讨的本质界定为复杂的信息交流过程,从“信息”、“技术”、“人”、“人-信息”、
“人-技术”等五个维度解析在线研讨的影响因素,选取“小木虫”和“经管之家”的16个讨论帖为研究样本,利用内容
分析和统计分析等方法进行了实证研究。【结果/结论】实证分析表明,在两个研讨平台中,信息质量的增值性、信息
效价的收敛性、个体性格的乐观性、人际关系的紧密性、个体信息素养的科学性等5个影响因素对于研讨绩效具有
较好的区分度,信息数量的规模性、群体知识结构的互补性等2个影响因素与研讨绩效的相关性不明显,信息类型
的多样性、平台功能的响应性等还有待进一步提升。 相似文献
15.
【目的/意义】社会资本理论是一个颇具国际性的学术研究热点，特别适合解释诸多用户信息行为，围绕社 会资本理论在国外用户信息行为领域的应用研究情况，对其研究进展进行述评，以期将国内研究引向深入。【方法/ 过程】采用文献调研法，对国外文献进行系统脉络梳理和整体内容述评。【结果/结论】社会资本理论在国外信息系 统用户行为领域的应用主要集中在“信息技术与信息系统的使用研究”、“在线参与研究”、“知识的贡献或共享研 究”和“表现绩效研究”四个方面。现有研究存在“替代性测度指标使用的信度和效度差异较大”、“个体层面和群体 层面研究的界定较为模糊”、“较少考虑社会资本的多种关系作用”的问题。同时指出了未来研究值得注意关注的 研究方向。 相似文献
16.
17.
【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
18.
【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
19.
【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
20.
【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