基于本体学习的个性化网页推荐

为了高效和便捷地满足用户的信息需求,使用户得到有价值的个性化网页推荐.针对传统个性化技术的不足,提出基于本体学习的个性化网页推荐方法,采用领域本体构建用户的兴趣模型,并采用基于语义本体的相似度算法提高推荐的准确率.实验结果表明,与其他推荐方法相比该算法具有更高的推荐准确率和召回率.     

基于案例推理的数字图书馆个性化推荐系统研究

在简要介绍案例推理技术的发展后,分析了数字图书馆个性化推荐系统的特点。根据数字图书馆个性化推荐系统的设计思想和方法,研究设计了基于案例推理的数字图书馆个性化推荐系统结构模型,提出了基于案例推理的数字图书馆个性化推荐系统设计方案,着重分析了数字图书馆个性化推荐系统的主要模块。     

基于语义的自适应个性化网页推荐

个性化网页推荐能高效、便捷地满足用户的信息需求.针对传统个性化技术的不足,提出基于语义的自适应个性化网页推荐方法,采用语义本体和用户兴趣偏移机制构建自适应的语义用户模型,并采用语义质心聚类技术提高推荐的准确率.实验结果表明,与其他推荐方法相比该算法具有更高的推荐准确率和召回率.     

基于TOPSIS算法的个性化推荐研究

个性化推荐服务可以帮助用户克服信息过载问题,受到广泛的关注.虽然目前的个性化推荐方法较多,但大多数方法与用户之间的交互性不强,很难满足用户个性化需求.鉴于TOPSIS方法是一种常用的有限方案多属性决策分析法,对对象评估既全面又客观,所以将其用到了个性化推荐研究之上,进而提出了基于TOPSIS算法的个性化推荐模型及其算法,最后通过举例表明了该算法能够较好地与用户进行交互,同时能够为用户提供满足其需求偏好的个性化推荐.     

社会化标注系统中个性化信息推荐多维度融合与优化模型研究

[目的/意义]在社会化标注系统自组织运行的基础上，构建个性化信息推荐的多维度融合与优化模型，进而在大数据环境下，为用户提供精准的个性化信息推荐服务，从而进一步丰富个性化信息推荐的理论体系以及拓展个性化信息推荐的研究方法。[方法/过程]首先，对每一种个性化信息推荐方法的优点和不足进行深入分析；然后，将基于图论（社会网络关系）、基于协同过滤以及基于内容（主题）3种个性化信息推荐方法进行多维度深度融合，构建个性化信息推荐多维度融合模型；最后，对社会化标注系统中个性化信息推荐多维度融合模型进行优化，从而解决个性化推荐过程中用户"冷启动"、数据稀疏性和用户偏好漂移等问题。[结果/结论]通过综合考虑现有的基于图论（社会网络关系）、基于协同过滤以及基于内容（主题）的个性化信息推荐方法各自的贡献和不足，实现3种方法之间的多维度深度融合，并结合心理认知、用户情境以及时间、空间等优化因素，最终构建出社会化标注系统中个性化信息推荐多维度融合与优化模型。     

移动环境下基于情境感知的个性化信息推荐

随着移动互联网的发展,越来越多的用户信息获取过程通过移动终端完成.但当前个性化推荐系统对用户情境的感知能力不足,缺乏为用户提供符合当前情境的个性化信息推荐服务.为此,本文提出了基于贝叶斯方法的情境化用户资源类别偏好学习以及融合该类别偏好的协同过滤个性化信息推荐.运用贝叶斯方法学习用户在不同情境下对各资源类别的偏好,然后将该类别偏好与传统协同过滤推荐算法相结合,生成符合用户当前情境的个性化信息推荐.实验表明本文提出的改进算法可以提高推荐的准确率.     

基于URL聚类模式的个性化智能推荐服务

基于Web访问挖掘的个性化智能信息推荐服务方法的处理过程分为在线部分和离线部分。离线部分主要完成从站点服务器的访问LOG文件中挖掘出适合在线智能个性化推荐服务的用户事务模式,采用基于聚类用户事务方法获取用户个性化模式。在线部分通过个性化智能推荐服务智能接口实现基于URL聚类模式的个性化信息推荐服务,给出了链接距离因子定义和基于URL聚类模式的生成算法。通过实验总结这种方法的优缺点,这种方法是有效和可实现的。     

基于情境感知的移动电子资源推荐技术研究

将情境因素引入个性化推荐系统中,考虑用户—资源—情境之间的三元关系,为处于不同情境、不同兴趣的移动用户推荐满足其需求的合适信息服务,是目前信息推荐新的研究方向.文章提出了基于情境和基于内容相结合的推荐算法,在当前情境下,利用用户的历史情境信息和用户偏好综合为用户推荐信息.实验表明,该算法能够显著地提高个性化推荐的准确率,可为用户提供符合当前情境的个性化资源.     

基于语义网格的数字图书馆个性化推荐研究——体系结构与总体框架

本文针对数字图书馆个性化推荐存在的精度不高、智能性差、方式单一、推荐规模与质量矛盾突出、推荐受众与信息来源比较固定等问题,分析了互联网、语义网、网格技术在数字图书馆个性化推荐领域的应用局限性.以此为基础,提出基于语义网格的数字图书馆个性化推荐体系结构与总体框架.初步形成面向分布、异构、海量信息环境的数字图书馆个性化推荐解决方案.     

基于混合图的在线社交网络个性化推荐系统研究

文章提出一种基于混合图的在线社交网络个性化推荐系统,将用户社会关系网络和社会化行为融入信息推荐.该系统包括模型构建、推荐流程和算法设计三部分.首先构建了用户资源混合图,并讨论了混合图的构建方法及权重设置,再在构建的混合图上采用重启动随机游走进行顶点间相似度计算,得到个性化推荐列表,进行推荐.     

融合用户社交与情境信息的虚拟知识社区个性化知识推荐研究

[目的/意义]通过融合用户社交与情境信息,构建虚拟知识社区个性化知识推荐模型并开展个性化知识推荐算法的设计,能够在一定程度上完善虚拟知识社区个性化知识推荐方法的理论体系,具有一定的理论价值和应用价值。[方法/过程]首先构建出基于用户社交与情境信息的虚拟知识社区个性化知识推荐模型,然后利用改进的最大团算法设计出虚拟知识社区个性化知识推荐算法,最后通过选取某虚拟知识社区的用户数据进行实例分析实现精准的个性化知识推荐。[结果/结论]在利用融合用户社交与情境信息进行虚拟知识社区个性化知识推荐过程中,通过对某虚拟知识社区的实例分析,表明其个性化知识推荐结果的精准度得到了显著的提升。     

基于标签聚类与用户模型的个性化推荐方法研究

社会标签系统是Web2.0中提出的概念,旨在更好地表达用户的兴趣和意愿。而标签聚类是社会标签系统的个性化推荐中一个重要的研究课题。本文研究了如何基于标签聚类与用户模型来进行个性化推荐的方法。通过计算标签的相似度进行标签聚类,结合用户模型,根据标签聚类结果做出推荐。通过采用CiteULike公布的数据集进行实验证明,与未采用标签聚类的推荐方法相比,本方法不仅可提高推荐的命中率,优化目标资源的排名,而且能为用户发现更多新的感兴趣的资源。     

基于社会标签的推荐系统研究

社会标签是一种新颖的大众索引方法,在Web 2.0时代各种收藏、检索、共享网站中得到广泛的应用,个性化推荐系统是基于用户的偏好为用户提供个性化信息服务的重要技术。本文针对推荐技术如何与社会标签结合的问题,分析了最新的研究现状和应用。详细阐述了3个方面的研究进展:标签推荐系统的研究、基于社会标签的个性化推荐系统的研究、社会标签的推荐应用系统。     

基于标签的个性化信息推荐系统动力学模型与仿真

基于系统与控制理论, 通过分析标签系统中标签、用户、资源的关系, 运用系统动力学的方法分析个性化信息推荐的过程及影响因素, 在此基础上构建信息推荐的系统动力学模型, 并采用vensim PLE软件对模型进行仿真, 最后通过对模型的有效性验证分析, 揭示了信息推荐的特性及机理, 为进一步研究基于标签的个性化信息推荐动态演变提供研究思路。     

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。     

智慧图书馆中基于用户画像的图书推荐研究

【目的/意义】利用用户画像以及个性化推荐算法实现智慧图书馆中的图书推荐。【方法/过程】从构建智慧 图书馆用户画像的自然属性、兴趣属性、社交属性三个数据维度出发,借助相似度计算方法分别计算不同维度读者 和图书的相似度,实现基于相似读者和相似图书的虚拟图书推荐,阐述了借助智慧图书馆的先进技术实现基于位 置的实体图书推荐。【结果/结论】实验结果表明将用户画像用于智慧图书馆图书推荐可提升图书馆个性化服务能 力,针对读者实现精准推荐。【创新/局限】基于用户画像的图书推荐从多个维度进行组合推荐,实现了智慧图书馆 虚拟图书和实体图书的个性化推荐,提高了推荐质量,为提升智慧图书馆个性化服务具有一定的借鉴意义。局限 在于选取的读者以及图书数量较少。     

数字图书馆个性化推荐用户信息采纳行为影响研究——信息采纳意向的中介效应

[目的/意义]本文从用户信息采纳行为的视角出发，通过信息采纳意向的中介效应针对数字图书馆个性化推荐的影响因素进行研究。[方法/过程]在计划行为理论的基础上构建了数字图书馆个性化推荐信息用户采纳行为模型，并通过实证研究对该模型进行检验与分析。[结果/结论]数据分析结果表明：信息采纳意向在感知有用性、用户期望、信息质量及主观规范对数字图书馆个性化推荐用户信息采纳行为的影响作用中均有中介效应。     

面向推荐服务的用户信息需求转化模型构建

本文从Web2.0时代的用户信息需求分析出发,探讨了基于显性行为和隐性行为的个性化服务需求,分析了用户对推荐服务的要求,构建了基于推荐服务的用户信息需求转化模型.     

基于模糊聚类和模糊模式识别的数字图书馆个性化推荐研究

为提高图书馆个性化推荐的效果,采用模糊聚类和模糊识别技术建立数字图书馆的个性化推荐系统。通过分析用户的信息素质、兴趣爱好、网络和电子资源检索情况,对读者进行数学模糊聚类分析,确定最佳阈值λ,得到最佳聚类。根据个体用户的基本情况进行模糊识别,由识别结果的归属给出针对当前用户的个性化推荐。实验结果表明,在模糊聚类与模糊识别基础上的个性化推荐方案是可行的和有效的,为创新数字图书馆个性化服务提供了一种新的方法。