排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
[目的/意义]为提高知识付费平台用户感知服务质量,文章构建了融合用户画像与协同过滤的个性化推荐模型。[方法/过程]首先根据用户特性构建画像标签体系,利用TF-IDF、熵值法、k-means等方法确定用户特征标签;其次分别基于用户画像与改进后的协同过滤算法计算用户相似度,通过调和权重得到用户综合相似度;最后利用Top-N进行个性化推荐。[结果/讨论]通过知乎live付费用户信息进行验证,发现本文算法在推荐结果的准确率以及召回率上,相比其单一方法均有较大提升,且满意度高于知乎live平台。 相似文献
2.
知识经济时代背景下,知识付费已经成为满足人们信息需求的有效途径,为促进知识付费平台可持续发展,平台运营者需要全面了解影响用户持续使用意愿的因素。以技术接受模型为基础,将用户持续使用知识付费平台意愿视为刺激-机体-反应(S-O-R)模型下的表现,以网络外部性、感知价值、沉浸体验、感知有用性、感知易用性构建知识付费平台持续使用意愿假设模型。利用统计软件对问卷调查数据进行有效分析,采用结构方程模型验证提出的假设模型。研究发现网络外部性、感知价值和沉浸体验是知识付费平台持续使用意愿的主要影响因素,并据此结论为平台运营者提出相关建议。 相似文献
1