共查询到10条相似文献,搜索用时 93 毫秒
1.
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。 相似文献
2.
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
3.
4.
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。 相似文献
5.
6.
7.
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。 相似文献
8.
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。 相似文献
9.
10.
情报检索系统文献主题表征与用户需求特征 总被引:2,自引:0,他引:2
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. 相似文献