共查询到20条相似文献，搜索用时 109 毫秒
1.
2.
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
3.
用户兴趣本体弥补了基于关键词的用户兴趣模型不能从语义上表达用户兴趣的缺陷,但大多是利用领域本体来构建,很难反映用户多方面和潜在兴趣,并且构建领域本体也是一个难点。本文据此提出一种基于词汇同现的用户兴趣本体构建方法。根据网页浏览记录找到用户兴趣网页集,经过数据处理将其转换成用户兴趣文本集。以TFIDF为指标抽取概念,词汇同现统计提取概念间关系,运用无尺度K-中心点聚类算法对其调整,将有关联用户的本体合并得到多用户本体,该本体能在语义上更全面反映用户兴趣并发现潜在兴趣。 相似文献
4.
基于已有政策共词网络研究基础上,以国家自主创新示范区科技创新政策为研究对象,提出了政策属性与关键词权重在网络分析中的影响和作用,进而引入扎根理论、词频分析和政策测量方法,建构基于政策属性与关键词权重的加权共词网络模型。模型构建之后,利用加权后的Ochiia系数计算关键词之间的距离建构关键词矩阵。基于加权共词矩阵进行结点分析和小团体分析,对比验证加权共词网络模型的可行性,同时在综合视角下展现了自主创新示范区科技创新政策的现状和不足,发现科技金融、产业发展和人才吸引与培养方面还存在改进空间,为后续的政策制定提供参考。 相似文献
5.
个性化搜索引擎是一种用户驱动网页排名结果的优化方式。基于本体和语义网,用户建模可以作出准确的查询结果,它包括：限定搜索方式、过滤搜索结果,以及成为搜索过程等3种方式。因此,个性化搜索引擎用户模型可被视为用户驱动个性化搜索服务的模型。研究结论是整合前人研究并且提出＂用户行为（用户兴趣、用户偏好、用户查询记录）-用户文档（用户行为与关键词组）-用户建模（相关性算法与排名算法）-个性化服务＂的新模型,可作为数字图书馆发展个性化搜索引擎的指引。 相似文献
6.
[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
7.
8.
9.
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
10.
以CNKI为数据源,对2004-2013年国内检索模型的研究论文进行计量学统计,结合Pajek可视化工具,对发文量、载文期刊、作者合作情况、关键词等进行分析。认为向量空间模型、语义检索模型、信念网络检索模型、用户兴趣检索模型、遗传算法检索模型、粗糙集理论检索模型、实例检索模型以及扩展模式PnBL模型等检索模型的研究是该领域研究热点,并指出其应用还有待进一步推广。 相似文献
11.
传统的Folksonomy用户兴趣研究在相似性计算上更多考虑的是整体相似,不能突出用户之间的差异,同时还存在兴趣结构不符合用户自身认知等问题。形式概念分析从用户自身的认知结构出发,不仅能表示标签间的语义信息,还能形式化标签的结构关系,为用户兴趣的表征和挖掘提供了新的思路。基于FCA的用户兴趣研究较少,主要集中于单用户和用户群兴趣识别两个视角。本文在分析用户兴趣识别传统方法及局限性基础上,进一步探讨了基于FCA进行Folksonomy用户兴趣识别的基础以及现有的相关研究。 相似文献
12.
个性化图书推荐主要是以用户特征和借阅行为为挖掘对象,通过获取用户的兴趣特征及隐含的需求模式,实现用户与图书相互关联的个性化图书推荐服务。本文通过挖掘用户的背景信息构建用户特征模型,然后在设计喜好值计算、用户相似度计算和内容相似度计算以及标签信息获取方法的基础上,研究多种不同的图书推荐方法,以挖掘用户的潜在信息需求。最后利用图书馆的真实数据设计面向高校图书馆的个性化图书推荐系统,同时以标准网络数据集通过实验验证来评估推荐方法的有效性。 相似文献
13.
在信息检索中对基于用户兴趣的检索结果进行重排得到广泛关注。为了构建用户兴趣的知识库,本文对用户的登录细节和点击数据进行综合分析,提出了定制用户访问信息的方法,同时采用开放式目录项目Dmoz自动进行用户兴趣主题映射,对搜索结果进行个性化分类,并根据用户兴趣对检索结果重排,比正常的搜索引擎更容易找到相关的信息。联机实验结果表明,本文提出的方法可有效地提高用户检索精度。 相似文献
14.
[目的/意义]学术用户画像是对用户访问使用学术资源行为的较全面的刻画。本文尝试构建图书馆学术用户画像的信息行为标签和研究兴趣标签,来准确定位学术用户的信息需求,以便推荐合适的学术资源。[方法/过程]具体方法是全面获取用户的访问日志并进行清洗处理,然后构建从学术用户信息行为出发的用户画像标签体系,进一步研究构建了基于研究兴趣关联的信息资源推荐服务。[结果/结论]本研究有助于提高用户信息获取效率,提高图书馆学术资源推荐服务的质量,并为结合其它资源全面构建图书馆学术用户画像提供一定的借鉴。 相似文献
15.
16.
基于用户体验的网站信息构建要素与模型分析 总被引：28，自引：1，他引：28
信息空间的构建必须考虑环境、用户、技术和内容的协调，其中，技术选择和信息内容组织必须以适应用户需求与体验为前提。基于此，本文从用户信息需求与利用入手，分析信息构建与用户体验之间的关系、用户体验要素，在构建用户体验层次模型基础上，结合网站服务业务的开展，讨论了基于用户体验的网站建设和面向用户的服务组织。 相似文献
17.
18.
[目的/意义]深度学习技术作为大数据、"互联网+"环境下用户分析和服务设计的有力工具，为图书馆馆藏资源推荐服务提供了新的研究思路和发展方向。[方法/过程]首先，基于文献查阅法、网络调查法对国内外图书馆馆藏资源推荐服务的研究现状、应用情况进行了分析与研究。然后，在概述深度学习技术及其相关应用实践的基础上，在深度学习视角下提出了一种以读者用户兴趣值为基础的图书馆馆藏资源推荐模型。[结果/结论]分别从数据关联、情景分析和协同过滤技术3个方面探讨了图书馆馆藏资源推荐模式，为大数据环境下面向用户的图书馆资源精准推荐提供参考。 相似文献
19.
以人人网和新浪微博为例,通过SPSS统计软件分析比较实名SNS社交网络与微博的功能特征与用户行为特点。研究认为人人网用户活跃度与用户本身隐私保护意识有一定联系;新浪微博用户活跃度与用户的学历存在一定联系。人人网与新浪微博同时存在用户被动接收推送广告信息问题,影响了用户的体验度。探讨了人人网与新浪微博的商业化运营趋势,为实名社交网站和微博的完善与差别化发展提供了理论依据。 相似文献
20.
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