共查询到20条相似文献，搜索用时 125 毫秒
1.
基于加权XML数据模型的个性化本体研究 总被引：1，自引：0，他引：1
随着近年来个性化服务技术的广泛应用和快速发展,个性化加权本体逐渐受到学者的广泛关注.虽然利用个性化加权本体可以更为有效和精确地表达用户兴趣模型,但是相关的设计实现方法仍需进一步研究.文章首先介绍加权XML数据模型的概念和相关特点,并利用"同构异值"的权值赋值策略设计了一种基于加权XML数据模型的个性化本体构造方法.然后从节点内容、层次结构和权值分配三个方面对其模式表达方法进行了详细介绍,其中重点介绍了权值分配策略及其原理.最后,给出了该种个性化加权本体的相似度比较算法,并对相关测试实验做了必要的说明. 相似文献
2.
介绍一种利用同文词语共现和引文词语共现分析实现的领域本体自动构建方法,该本体采用加权XML模型,利用概念联系中的权值设定可以有效地表达用户兴趣程度的差异,并利用基于向心扩散的扩散激活方法对用户兴趣特征及其联系提供更强的表达能力,以便于发现更有价值的潜在用户兴趣。进而介绍如何利用该本体按照"先打碎后重构"的策略将异构用户个性化模式转换为可以进行比较的一致模式,并对相关的异构用户个性化模式匹配方法做出详细说明。最后总结相关测试实验及其结果。 相似文献
3.
一种基于用户标签网络的个性化推荐方法 总被引：1，自引：0，他引：1
基于标签进行个性化推荐是目前的一个研究热点,不同的推荐算法对标签进行了不同的处理.用户使用的标签之间存在着某种内在联系,由此可构建用户标签网络.根据这一启示,本文提出了一种基于用户标签网络的个性化推荐算法.首先,将用户标签网络视为用户兴趣模型雏形,利用社会网络分析方法计算标签权重,并以加权标签集的形式表示用户兴趣模型,最后将标签权重转化为资源与用户兴趣的相似度,进而实现个性化推荐.实验表明,本方法能较为准确地揭示用户的兴趣,产生的推荐资源与用户兴趣匹配程度较高. 相似文献
4.
面对因特网的海量信息,为了更好地实现基于用户兴趣的个性化信息服务,提出一种隐式地获取并更新用户兴趣模型的方法利用用户模型捕捉用户的点击历史信息如何同其兴趣相关;基于用户模型的学习模型通过学习用户的点击历史数据来标识用户的个人兴趣;通过学习到的用户喜好信息来对搜索结果予以再排序,从而实现个性化搜索信息呈现.设计了用户兴趣学习算法与个性化排序算法.实时数据实验显示,即使在用户兴趣主题数增加的情况下,本方法仍能较好地描述用户的兴趣类型及兴趣度,提高个性化信息服务的质量与效率. 相似文献
5.
基于浏览行为和浏览内容的用户兴趣建模 总被引：4，自引：0，他引：4
面对因特网的海量信息，为了更好地实现基于用户兴趣的个性化信息服务，提出一种隐式地获取用户兴趣模型和更新用户兴趣模型的方法。这种方法不需要用户显式地提供兴趣信息，只需要用户浏览页面时的动作和浏览的内容来获取有用的信息，随后利用这些信息建立和更新用户兴趣模型。该模型能较好地描述用户的兴趣类型及兴趣度，提高个性化信息服务的效率。 相似文献
6.
个性化知识服务中基于Ontology的用户兴趣挖掘研究 总被引：2，自引：1，他引：1
个性化知识服务是知识经济时代信息服务发展的必然趋势,是满足信息用户多样化、专门化知识需求的高层次服务模式.用户兴趣知识的挖掘和用户兴趣模型的建立是个性化知识服务的重要研究内容.本文将Ontology技术与个性化知识服务结合起来,研究用户兴趣知识的Ontology表示,并以此为基础提出了一种动态的用户兴趣学习和挖掘方法,分析了该方法中参考Ontology的建立、用户兴趣知识的初步学习和用户兴趣模型的完善等关键步骤.研究结果表明,基于Ontology的用户兴趣挖掘可以较为准确地表示、跟踪和学习用户的个性化知识,实现隐性用户兴趣的发现和利用,满足用户特殊的信息需求,是一种提高个性化知识服务质量的有效方法. 相似文献
7.
用户建模已成为个性化信息服务的关键。对用户兴趣建模几种方法的优缺点进行分析对比,引进本体概念,介绍本体建模的优点、建模思路、建模流程,并利用用户兴趣树思想建立基于本体的用户个性化兴趣模型。 相似文献
8.
9.
基于Web挖掘技术的用户兴趣本体学习研究 总被引：2，自引：1，他引：1
目前针对基于关键词的用户模型不能从语义上表达用户需求真正内涵,基于领域本体的用户模型多数忽略研究概念间非分类关系和语义应用环境较分散等缺陷。本文提出一种循环式的基于Web挖掘技术的用户兴趣本体学习模型,即综合应用统计分析、关联规则和聚类分析等技术进行电子商务领域用户兴趣概念及概念间分类与非分类关系学习,面对用户兴趣的迅速变化,还提出一种传递激活方法来实时更新本体或重新进行本体学习,以不断提高该本体的质量。经验证,基于该本体的用户模型在文本过滤等应用中能较上述两种用户模型满足用户个性化服务需求。 相似文献
10.
个性化跨语言学术搜索技术研究 总被引：1，自引：0，他引：1
学术搜索引擎是一种行业化的搜索引擎,但因其缺乏个性化的服务,使得用户的学术文献检索效率低下,海量的数字学术资源得不到充分利用.本文使用Google翻译,研究基于机器翻译的中、英、俄、法和西班牙等五个语种跨语言学术检索.在跨语言学术搜索的基础上研究个性化检索技术,提出一种基于聚类的个性化信息检索方法:通过观察用户对搜索结果聚类的点击行为,生成并更新用户实时兴趣模型,采用余弦夹角公式计算用户实时兴趣模型与搜索返回结果的相似度,根据相似度大小,为用户提供个性化重排序的搜索返回结果.实验结果证明了提出方法的有效性. 相似文献
11.
基于读者借阅二分网络的图书可推荐质量测度方法及个性化图书推荐服务 总被引：1，自引：0，他引：1
本文首先提出一种利用读者借阅行为特征来判断图书可推荐质量的思路,并结合读者图书借阅关系所形成的二分网络结构,设计了一种测度图书可推荐质量的迭代算法,从而为个性化图书推荐服务提供了良好的推荐客体.在上述研究的基础上,结合图书类别目录层次、标题语义信息的提取处理方法、基于加权XML模型的用户个性化模式表达方法及其权值扩散策略,提出了三种图书馆个性化图书推荐服务的形式,分别是特定主题的图书推荐服务、现有所借图书的修正型推荐服务和新书推荐服务.最后,文章对相关测试实验及其效果做了必要的说明. 相似文献
12.
基于用户个性化需求的数字图书馆集成服务研究 总被引：2，自引：1，他引：1
提出一个基于用户个性化需求的数字图书馆集成服务框架,并论述了服务的具体实现。该框架综合考虑用户的环境、用户偏好、用户需求以及数字图书馆服务组件的功能,利用Web services技术实现不同数字图书馆系统中符合用户需求的子系统和组件的动态集成,并通过Servlet技术获取相应的数字资源,以满足用户的个性化需求。 相似文献
13.
基于用户画像的高校图书馆个性化资源推荐服务设计 总被引：1，自引：0，他引：1
用户画像作为大数据分析背景下个性化推荐服务的设计工具,为高校图书馆领域个性化阅读资源推荐服务提供解决思路。本研究在分析目前个性化推荐和用户画像研究的基础上,引入用户画像技术,从数据基础层、数据处理层、画像构建层、画像服务层设计探讨用户画像的构建流程,重点在用户画像构建和画像服务层面进行阐述,同时从用户基本属性、阅读状态、学习风格、阅读偏好四个维度构建用户多维画像模型,并提出基于冷启动和用户阅读学习过程画像的个性化推荐服务策略,以期为后疫情教育环境下高校图书馆开展个性化资源推荐服务和满足用户多维度阅读学习需求提供参考。 相似文献
14.
基于XML的智能元搜索引擎研究 总被引：1，自引：0，他引：1
介绍一种基于XML和Agent技术的智能元搜索引擎系统。该系统采用元搜索引擎的结构，以Agent作为架构系统的基本组件，利用Agent的自治性和协作性来完成用户个性化信息的搜索；利用XML和XSL分别在结构化信息表达方面，在信息显示、转换方面的优点，来实现元搜索引擎的扩展性以及搜索结果的个性化输出。最后探讨XML和XSL在查询请求和搜索结果转换上的应用以及基于XML的Agent通信。 相似文献
15.
针对个性化搜索的3个关键问题：用户信息搜集，用户信息库的动态更新与个性化检索算法，探索性地提出基于Ajax用户行为跟踪方案，以会话为单位动态更新用户行为信息库策略与加入用户文档的向量空间检索模型，并在此基础上设计和实现个性化搜索引擎实验系统。 相似文献
16.
[目的/意义]针对基于内容的个性化推荐策略，提出资源特征选择与权值计算优化策略，从而改善个性化推荐的效果。[方法/过程]构建基于用户决策机理的个性化推荐模型，模型以用户决策机理为背景知识进行资源特征的选择、用户兴趣模型的构建与语义表示、用户决策函数构建。为验证模型效果，以4 748位用户的观影数据为例进行实验，实验以向量空间模型为参照模型，P@N为评价指标。[结果/结论]实验结果显示，在N取值为5、10、20、50、100、200的情况下，基于用户决策机理的个性化推荐模型效果都显著优于向量空间模型，从而验证模型的有效性。 相似文献
17.
18.
首先说明利用加权XML数据模型分别得到标准XML参考实例和XML数据实例的方法,并对DTD约束修饰符的表达方法进行介绍。其次,详细阐述相似度算法的实现方法,重点说明在XML数据实例中寻找与标准XML参考实例的匹配节点算法和计算标准 XML参考实例与XML数据实例的相似度算法。最后,对相关实验及其结论进行总结。 相似文献
19.
本文从个性化服务可持续发展的内涵入手,以用户需求为主线,提出数字图书馆个性化服务的发展模式,具体阐述了模式中资源集成、服务组织、保障机制等系统要素的发展途径,并对创新型个性化服务的发展方向进行了展望。 相似文献
20.
一种面向用户兴趣的个性化语义查询扩展方法 总被引：1，自引：0，他引：1
在基于本体的语义查询扩展研究的基础上,结合用户模型的研究,提出要将用户的兴趣模型与查询扩展相结合,实现个性化的语义查询扩展,并把个性化的语义查询扩展过程分为两个阶段——检索关键词向用户模型中的个性化领域本体概念的映射以及在本体层次对映射概念的语义扩展,给出每一阶段的实现算法。实验表明该方法能够提高信息检索的查准率和查全率,在一定程度上满足个性化的查询需求。 相似文献