基于浏览历史的用户兴趣提取模型

提出了一种基于用户浏览历史的用户兴趣提取模型,它隐式地收集用户信息用于个性化搜索中,即是通过对用户兴趣度的定义,在用户的浏览历史中得到一组代表用户兴趣的网页,并设计一个聚类算法,对这组代表用户兴趣的网页进行聚类操作,从而得到能代表此用户兴趣类别的词,即用户的兴趣。     

高校复合型图书馆深化用户教育的措施

用户教育是图书馆的核心功能之一,高校复合型图书馆深化用户教育,要利用网络环境,改革用户教育内容和模式;整合校内信息资源,共同开展用户教育,提高用户教育效率;开展深层次教育培训,拓宽用户教育渠道,由此深化图书馆的用户教育工作。     

个体特征对群体信息需求的影响

对信息用户的研究是信息服务研究的重点,信息用户可以简单的分为个体用户和群体用户,一般来说,图书馆是为群体用户服务的,在影响群体用户信息需求的诸多因素中,用户的个体特征对群体用户的信息需求具有重要影响。     

一种基于用户行为的多Agent信息推荐系统研究

通过分析用户行为和Agent技术,提出基于用户行为的多Agent个性化信息推荐系统设计模型。对基于用户行为数据进行分析,整合用户的行为特性可以为用户带来更好的使用体验,多Agent技术能结合用户兴趣偏好信息及用户访问记录实现信息过滤并推理出用户的意图,从而提供个性化的推荐服务。     

一种基于用户行为静态建模的在线客服系统

交互式信息服务模型强调人机交互过程中对用户动态的反映,注重用户认知因素和非认知因素的结合,旨在构建支持对用户自适应的用户模型。通过提出使用模糊集的方式,对在线用户进行建模,同时描述了基于这种用户模型进行用户行为在线跟踪和用户行为预测的方法,并介绍一个系统实现构成。     

基于多用户认知网络的中断概率性能研究(英文)

提出了一种多主从用户相互协作的认知共存网络系统模型.在该模型中,控制中心已知所有用户的位置并为每个主用户分配最近的从用户进行协作通信,控制中心通过从用户反馈的感知结果来获取频谱空洞信息并为从用户分配工作频段.主用户利用正交子信道接入基站.从用户利用网络中未用的频谱空洞采用放大前传机制为主用户转发数据.推导了在该模型下主用户的中断概率,并对主用户发送概率ps、主从用户间发射功率分配系数ξ和主从用户数对系统的影响进行了仿真.仿真结果表明,主从用户间平均分配发射功率在ξ=0.5且网络中主从用户数目相同时系统性能最优.     

用户异常行为分析方法研究与应用

为了应对高级持续性威胁（APT）攻击造成的威胁,解决传统基于规则的分析方法对用户异常行为检测的误报与漏报问题,提高用户异常行为检测效果,通过采集用户行为日志生成用户操作行为矩阵,并通过模型定义方式对用户行为进行相似度分析。采用容忍度测算、突变测算、差值测算与峰值测算方法,分析与发现用户异常访问。基于用户画像的异常行为分析方法结合了用户操作行为特征及角色定义,利用用户行为日志历史信息勾勒出用户行为画像,使系统能准确、实时地判断用户行为异常,提高了对异常行为的实时检测与快速响应能力。     

一种基于用户行为静态建模的在线客服系统

交互式信息服务模型强调人机交互过程中对用户动态的反映,注重用户认知因素和非认知因素的结合,旨在构建支持对用户自适应的用户模型。通过提出使用模糊集的方式,对在线用户进行建模,同时描述了基于这种用户模型进行用户行为在线跟踪和用户行为预测的方法,并介绍一个系统实现构成。     

Shibboleth：用户认证的通道

Shibboleth的目的是对用户进行统一的认证。通过用户所属的源站点对用户进行认证和授权,从而使得联盟中各个站点能够对用户进行认证和授权。它涉及4个方面的内容用户认证机制;用户资料的传递机制;用户真实性的鉴别;用户认证和授权信息的保密机制。这些,都属于信息安全领域的研究范畴。     

基于隐马尔可夫模型的Web用户访问序列挖掘

Web挖掘的一个研究方向是发现用户对网页的兴趣.用户的浏览网页意味着用户对该网页上的某种概念感兴趣.文中提出基于隐马尔可夫模型,对用户访问网页的序列进行分析,发现用户感兴趣的概念,然后把蕴含用户感兴趣概念程度最大的网页推荐给用户.这种模式实质上是一种Web服务设计,给用户提供个性化的优质服务,提高网站的服务质量.     

基于用户兴趣模型的信息个性化服务系统的研究

在人机交互的基础上实现了模型与用户同步学习,通过训练与更新模块使用户兴趣表示对用户可见,用户通过系统生成的用户兴趣描述直接对其进行修改,使其对自身的需求认识越来越明确,同时用户的操作对系统进行了优化,使系统对用户兴趣的表达越来越准确.     

IT服务业务关系管理

业务关系管理是基于对用户及其业务驱动的了解,形成并保持服务提供商与用户之间的良好关系。了解用户需求,改善用户体验,提高用户满意度,持续改进服务。     

使用Profile实现匿名用户购物车迁移研究

针对使用电子商务网站系统时,大多数用户喜欢匿名浏览商品,部分用户可能会选择一些商品直到结帐时才登陆以确认身份,此时将会涉及到将匿名用户的数据迁移到登陆用户数据的问题。提出使用Profile保存用户数据,以及由匿名用户转变为登录用户过程中购物车迁移的程序实现方法。     

基于Agent技术的图书馆用户管理

基于Agent技术讨论了图书馆的用户管理,并给出了图书馆用户管理系统的主要模块。利用Agent技术的智能性,对图书馆用户信息进行收集、整理、分析、研究,在满足用户需求的基础上,主动为用户提供服务,提高用户的满意度,增强用户的忠诚度,提高图书馆的核心竞争力。     

基于社交圈发现与用户信任度传播的微博朋友推荐方法

微博的普及导致微博平台数据量日益增长,因此从海量微博中快速准确地为微博用户推荐好友成为了巨大挑战。用户的社交网络和微博文本在一定程度上体现了用户的价值观和兴趣爱好,有相似兴趣的微博用户更有可能成为朋友。基于上述事实,以用户微博文本相似度为似然函数,使用K-means聚类对微博用户聚类,得到微博用户社交圈;在社交圈内部迭代计算用户之间的相似度,同时计算用户对其所在社交圈中其余用户的信任度;最后,根据用户之间的相似度和信任度完成微博好友推荐。实验结果表明,该算法优于传统的基于社交网络拓扑图的好友推荐方法。     

一种改进的用户兴趣模型构建及应用

针对用户浏览的Web页面内容进行用户兴趣挖掘,并采用多元线性回归分析法进行用户浏览行为分析,得到用户兴趣特征矩阵,隐式地创建了用户兴趣描述文件,最后通过基于有效指数的K Means聚类算法得到了改进的用户兴趣模型。实际应用表明,该模型能有效地表达用户的兴趣偏好,提高了个性化服务质量。     

试论图书馆用户教育

培养用户有效利用信息的能力,教育用户利用先进的检索手段,培养用户的信息素养,进而提高用户自身参与竞争的能力.     

一种基于K-均值的用户行为聚类算法

针对电子商务系统中大多采取用户评分或购买数据进行聚类,较少进一步分析用户行为的现状,提出一种根据用户浏览商品时序分析用户兴趣的方法 .在此基础上先用Canopy算法进行数据预处理后使用K-均值算法根据用户兴趣实现用户聚类.采用KDD CUP2000数据集中的用户点击流数据中的用户浏览记录对算法进行实验,实验结果表明算法有较好的聚类结果 .     

数字化时代中外高校图书馆用户教育的比较

在数字化时代,作为担负高等教育和研究强有力支持与保障作用的图书馆,其文献资源结构、服务方式、传播方式以及·图书馆员的角色都发生了很大变化.文章结合数字时代图书馆用户教育的变化,从用户教育政策、用户教育理念、用户教育内容、用户教育方式、从事用户教育的人员素质和用户教育的评估等方面,对中外高校图书馆用户教育进行了全方位的比较研究.     

基于用户行为的推荐算法研究

推荐系统是对用户的历史行为进行挖掘,对用户兴趣信息进行建模,并对用户未来行为进行预测,从而建立用户和内容的关系,满足用户对商品的推荐需求的一种智能系统。通过对主要的推荐算法进行比较分析,提出一种基于用户行为的推荐算法,挖掘用户浏览阅读行为的关联规则,模拟实现了基于用户行为的智能推荐系统,提高了推荐算法的有效性。