科技文献中基于主题的社会化推荐研究

针对目前文献管理软件无法识别用户潜在研究兴趣从而进行个性化推荐的现状,文章提出了基于主题的社会化推荐方法。首先通过基于内容的个性化过滤方法识别用户的主题偏好,然后利用社会网络分析方法 (SNA)识别学术网络中有影响力的文献,进而产生推荐。最后提出了基于社会网络的科技文献个性化推荐的框架。理论分析证明该方法可以准确反映用户的研究兴趣,灵活地识别用户所属的学术网络,从而为目标用户产生精准的文献推荐服务。     

个性化搜索引擎技术研究

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。     

拟合用户偏好的个性化搜索

文章从用户偏好的角度对个性化搜索进行了优化研究,提出了基于语义关联树的查询扩展算法以及基于该算法的拟合用户偏好的个性化搜索系统架构。语义关联树可以灵活有效地控制查询扩展模型,在此之上的拟合用户偏好的个性化搜索系统具有用户偏好自学习能力。实验证明,该方法能有效提高文本检索的准确率。     

一种自动获取用户兴趣的个性化搜索算法

解决用户的模糊查询问题一直以来是信息检索领域研究的热点。为了解决不同用户间的查询差异，一种称为个性化搜索的技术得以提出，其通过获取用户的喜好来识别查询意图，但研究发现很少有用户愿意直接或间接提供个人信息。本文提出一种基于用户点击历史信息自动获取用户兴趣进而对搜索结果进行个性化呈现的Web搜索系统架构。基于主题相关PageRank技术，设计了用户兴趣学习算法和个性化搜索页面排序算法。实验表明该算法能有效学习用户的兴趣信息，提高了个性化Web搜索质量。     

基于社会化标签的群用户个性化信息服务

为提高群用户个性化信息服务的准确率,提出构建群体用户的兴趣模型,主要采用基于标签共现矩阵的方法来计算群体用户之间的相似性,综合考虑群用户的主题与标签的联系,为用户提供更加准备高效的个性化信息推荐服务。     

基于社会化标注的用户兴趣发现及个性化推荐研究

基于标签的个性化推荐应用越来越普遍,但是标签带有的语义模糊、时序动态性等问题影响着个性化推荐质量,现有研究仅从数量和结构上考虑用户与标签的关系。基于社会化标注系统的个性化推荐首先对融合社会关系的标签进行潜在语义主题挖掘,然后构建多层、多维度用户兴趣模型,提出模型更新策略,最后实现个性化推荐。采集CiteUlike站点数据进行实验分析,结果表明改进算法比传统算法更准确表达用户兴趣偏好,有效提高了个性化推荐准确率。     

基于本体的用户模型在数字图书馆个性化服务中的应用研究

用户模型是数字图书馆个性化系统中的关键技术,传统的用户模型没有考虑词与词之间的内在联系,本文提出了一种基于本体的用户模型,该模型基于建立的兴趣分类本体,借鉴了检索领域常使用的激活模型来完成用户模型的更新,并在用户模型的基础上,设计了个性化服务推荐流程。     

个性化信息推荐服务中用户潜在兴趣挖掘研究

如何准确分析用户行为,向用户提供满意的网页信息,一直以来都是个性化信息推荐系统设计的目标。本文在分析现有个性化信息推荐模型的基础上,针对以往研究在推荐兴趣时仅根据语义相关度进行协助性信息推荐,而忽略用户行为规律所包含的潜在兴趣信息的不足,尝试提出一个结合Web语义挖掘和FP-tree规则发现技术的个性化信息推荐模型。该模型利用本体对语义的明确化描述,在挖掘用户行为信息时获取用户兴趣偏好的语义信息,并利用FP-tree技术根据以获取的语义信息推理出用户兴趣行为模式,从而在信息推荐时不仅能准确理解用户兴趣偏好,也能根据用户潜在兴趣规律,推荐给用户更全面的网页信息。     

基于行为分析的用户兴趣建模

了解用户的兴趣是网站实现个性化的基础.为了更好地为用户提供个性化服务,在分析用户的浏览行为特征的基础上,根据用户在页面中的滞留时间,用户对页面中的超文本链的点击情况以及页面的点击频率建立了计算用户兴趣度的模型,并提出用神经网络模型来描述它们之间的相关性,且通过实验论证了这种模型的合理性和有效性.实验结果表明这种模型能比较准确地发现用户感兴趣的页面.     

情报检索系统文献主题表征与用户需求特征

1文献主题与情报需求主题的表征 对文献或情报对象主题的认识和表征是主题检索的核心问题.主题检索是文献主题表征与用户需求主题表征之间的匹配操作.两者对同一论题构成概念的理解与表达一致性越高,匹配机会越大,检索效果也就越佳.一致性的不足或空缺将导致检索的失败.