共查询到20条相似文献，搜索用时 203 毫秒
1.
2.
拟合用户兴趣演变特性的协作过滤推荐算法 总被引：2，自引：0，他引：2
个性化推荐技术是将传统的数据挖掘技术同用户访问信息结合起来,根据用户的兴趣爱好来对用户可能访问的内容进行预测并预取其提供给用户进行选择.目前协作过滤技术是个性化推荐系统中应用最为成功的推荐技术之一,但传统的协作过滤算法没有考虑用户的兴趣演变,难以有效地反映用户真实兴趣.在分析目前协作过滤算法存在问题的基础上,利用用户访问兴趣分为偶然兴趣和稳定兴趣的特性,文章提出了基于偶然兴趣的推荐权重和基于稳定兴趣的推荐权重,并将它们融入新的拟合用户兴趣演变的协作过滤算法中.实验表明该算法能准确地反映用户访问兴趣,较传统的协作过滤算法可以有效提高推荐精度. 相似文献
3.
一种融合情境因素的社会化信息推荐新方法 总被引：1，自引：0，他引：1
[目的/意义] 针对目前融合情境因素的信息推荐方法大都存在推荐前的情境过滤(pre-filtering)和推荐后的情境过滤(post-filtering)所导致的价值信息流失问题,将情境因素融入到推荐过程中,实现基于用户-资源-情境的多维推荐。[方法/过程] 将情境因素融入推荐的过程中,动态挖掘在不同情境下用户兴趣的偏好,利用社会网络的相关指标赋予用户兴趣初始值,从空间距离的视角计算用户兴趣的权重,最后,借鉴内容过滤和协同推荐的思想实现用户的评分预测,进而按照用户的兴趣进行推荐。[结果/结论] 与以往二维推荐的实验比较表明,将情境因素融入到推荐过程中的方法在减少价值流失的基础上,能更为准确地揭示用户的兴趣,提高推荐质量,为存在社会关系的社会化媒体推荐服务提供借鉴。 相似文献
4.
5.
6.
将用户人格融入到信息推荐服务的过滤过程中,构建基于用户人格特征的信息过滤模型。运用凯尔西人格理论、概率论、人格分布理论以及统计推理,完成模型中的分段、学习、分类和过滤4个环节。根据用户模型或用户提供的关键词、人格特征为用户过滤或推荐信息单元,旨在更好地为用户提供个性化的信息服务。 相似文献
7.
基于信息项和用户群的信息推荐机制 总被引：2，自引：1，他引：2
如何准确高效地提供给用户需要的信息,是信息推荐研究的核心。本文提出了一种推荐机制———基于信息项和用户群的信息推荐机制,它综合考虑了用户自身和其邻居用户对推荐的影响。在计算用户自身对推荐的影响时,采用了基于信息项的方法。在计算邻居用户对推荐的影响时,首先寻找目标用户的邻居用户,形成一个用户群,根据用户群中其他用户对目标项目的推荐产生目标用户对目标项目的推荐。在MovieLens上的实验证明,本文提出的这种算法在预测精度上较传统的推荐算法有很大的提高。 相似文献
8.
信息过滤研究 总被引：13，自引：1，他引：12
刘柏嵩 《现代图书情报技术》2003,(6):23-26
提出了一种新的数字图书馆信息过滤方法，它具有三个显著的优点：一是采用了混合信息过滤模型，克服了基于内容和协作过滤的不足；二是建立用户模板，解决了用户兴趣的获取问题；三是信息内容采用本体来组织，实现语义级查询和高效的匹配机制。 相似文献
9.
[目的/意义]用户兴趣推荐是信息服务中的重要内容,针对目前融合情境信息推荐的研究更多是直接将情境作为单因素而缺乏考虑情境关联的思想,本文以情境关系为切入点实现社会化媒体用户的兴趣推荐。[方法/过程]以具有相似情境用户可能具有相似兴趣为假设,来改进用户原始兴趣网络从而实现推荐。通过社会网络和资源相似性计算构建原始兴趣网络中显性网络和隐性网络;借鉴共现原理和情境本身相似性构建情境网络;通过兴趣传递关系计算直接兴趣度与间接兴趣度;最后借鉴协同过滤的思想实现推荐。[结果/结论]与以往的只考虑单一情境因素的推荐方法相比,基于本方法的实验表明,将情境关系融入到推荐过程中不仅可以扩展用户的社会关系,而且可以得到更好的推荐效果。 相似文献
10.
健康网站是用户获取健康信息的重要来源,在线健康信息的质量关系到患者、医生、网站运营商等所有相关者的利益。网站页面元素是在线健康信息的载体,用户对信息质量的评价依赖于对页面元素的感知。本研究基于在线健康信息质量评价原则划分页面元素,采集和分析相关页面元素上的注意力分配;利用调查问卷收集质量评价数据,分析质量评价与页面元素注意力分配的相关性;通过凝视提示回顾式发声思考和半结构化访谈获取用户的主观感受,以解释质量评价与页面元素注意力分配之间的关系。研究结果发现,相比于其他页面元素,用户在医生认证资质和广告上的注意力分配较多;用户对健康信息权威性、保密性、公开性和广告政策的评价分别与相应页面元素的注视次数和注视时间正相关,对补充性和归因性的评价分别与相应页面元素的注视次数和注视时间负相关,而对合理性和透明性的评价与相应页面元素的注视次数和注视时间不相关;最后,从用户主观感受的角度揭示了注意力分配和质量评价产生关系的内在原因。本研究丰富了在线健康信息质量评价理论基础和研究方法,研究结论为改善在线健康信息内容质量和健康网站界面设计提供了参考。 相似文献
11.
12.
[目的/意义] 为解决高校图书推荐过程中面临的“数据稀疏”和“冷启动”问题,研究表明：优化读者评价矩阵和相似度模型是提高图书推荐质量的关键。[方法/过程] 提出一种协同过滤改进方法,以图书分类为项目生成用户评价矩阵,并考虑借阅方式、借阅时间和图书相似度对用户兴趣度的影响,优化矩阵中的样本数据;同时,在计算读者相似度时融入读者特征和图书特征。[结果/结论] 实验结果表明,该方法可有效解决“数据稀疏”和“冷启动”问题,显著降低计算量。与基本协同过滤和聚类改进的协同过滤方法相比,无论是在推荐准确率还是在用户满意率上都有较大的提高,综合推荐效果更好。 相似文献
13.
文献推荐系统：提高信息检索效率之途 总被引：2，自引：0，他引：2
Traditional Information Retrieval (IR) systems have limitations in improving search performance in today’s information environment. The high recall and poor precision of traditional IR systems are only as good as with the accuracy of search query, which is, however, usually difficult for the user to construct. It is also time-consuming for the user to evaluate each search result. The recommendation techniques having been developed since the early 1990s help solve the problems that traditional IR systems have. This paper explains the basic process and major elements of document recommender systems, especially the two recommendation techniques of content-based filtering and collaborative filtering. Also discussed are the evaluation issue and the problems that current document recommender systems are facing, which need to be taken into account in future system designs. Traditional Information Retrieval (IR) systems have limitations in improving search performance in today’s information environment. The high recall and poor precision of traditional IR systems are only as good as with the accuracy of search query, which is, however, usually difficult for the user to construct. It is also time-consuming for the user to evaluate each search result. The recommendation techniques having been developed since the early 1990s help solve the problems that traditional IR systems have. This paper explains the basic process and major elements of document recommender systems, especially the two recommendation techniques of content-based filtering and collaborative filtering. Also discussed are the evaluation issue and the problems that current document recommender systems are facing, which need to be taken into account in future system designs. 相似文献
14.
15.
高校图书馆馆藏资源协同推荐系统研究 总被引：1，自引：0，他引：1
以武汉大学为实际研究环境,针对高校图书馆环境下协同推荐的特殊性,在缺乏用户对馆藏资源评分数据的情况下提出主要根据借阅时间计算用户的偏好值,并辅助使用用户评分对该值进行调整。将用户的信息需求分为长期信息需求和短期信息需求,分别计算用户对馆藏资源的短期偏好值和长期偏好值,运用Apache Mahout构造馆藏资源的协同推荐系统,针对用户的两种需求进行推荐,并且采用邮件调查的方式对推荐结果进行了检验。 相似文献
16.
17.
18.
基于内容和协作的信息过滤方法研究 总被引：7，自引：0，他引：7
随着互联网上信息的迅速增长,信息过滤技术得到越来越广泛的应用。本文论述了内容过滤和协作过滤两种信息过滤技术,针对它们存在的问题,提出一种结合两种过滤技术的方法。实验结果表明,该方法能较好地解决问题,提高过滤结果的准确性,是一种更好的信息过滤方法 相似文献
19.
20.
针对高校图书馆场景存在的无显式反馈、借阅数据稀疏和传统推荐算法效果不好问题,提出基于时间上下文优化协同过滤的推荐算法,包含读者阅读行为评分、时间上下文和内容兴趣变迁3个要素。在数据准备阶段,通过制定评分转化规则、设计标准化函数来构建一种基于用户行为操作的兴趣评分模型,以解决用户评分缺失问题;在推荐召回阶段,提出一种非线性的时间衰减模型来对评价矩阵进行优化,以提高推荐效果;在推荐排序阶段,提出一种兴趣捕捉模型对召回结果按照图书类别进行精排序,以缓解数据稀疏问题并进一步提高推荐效果。实验结果表明,文章提出的优化算法在Top5的F值较未经优化的协同过滤提升增幅达141%。 相似文献