个性化用户兴趣模型的研究

随着人们对信息获取手段和效率提出越来越高的要求,传统互联网的服务模式正在逐渐向主动式、个性化、高效率的转变。个性化服务技术的出现在一定程度上解决了Internet中信息海量增长与用户获取信息手段相对简单之间的矛盾。用户兴趣建模技术作为个性化服务的核心问题,主要研究如何有效地进行用户兴趣的表示、更新、存储以及计算。     

基于分类的用户兴趣漂移模型

针对个性化信息服务系统中如何表示用户兴趣和用户兴趣的漂移问题,提出了一种基于分类模版的用户兴趣模型构造方法.采用遗忘算法,将用户的长期兴趣和短期兴趣相结合,体现用户兴趣的漂移.     

面向个性化服务的用户建模相关问题研究

个性化服务是未来信息服务的发展趋势。获取用户个性化的兴趣及信息需求是开展个性化服务的基础。用户建模技术在个性化服务所有的相关技术中处于基础核心地位。介绍并探讨了用户建模的方法、建模技术以及用户模型的更新、安全等相关问题。     

基于用户兴趣模型的个性化信息服务技术分析

介绍了几个基于用户兴趣模型的个性化信息服务的主要支撑技术,其中主要论述了推送技术的概念、特点、工作原理与工作流程,重点分析了推送算法的详细设计过程。     

基于用户特征和用户兴趣的推荐计算

协同过滤技术是个性化推荐系统中最经典的代表,但传统的协同过滤技术也面临着冷启动、数据稀疏性等弊端,加上协同过滤技术很少考虑用户兴趣随时间变化和用户特征等因素,导致推荐质量不尽如人意。在传统协同过滤的基础上,结合用户兴趣变化和用户特征两方面,提出一种改进算法的协同过滤技术,与传统技术相比推荐质量显著提高。     

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。     

一种基于本体论的用户兴趣模型构建方法

提出了一种基于本体论的用户兴趣模型构建方法.就是利用领域本体论,通过观察用户在浏览Web页面时所采取的动作以及用户的反馈信息,获取用户的兴趣信息,从而构建用户兴趣模型,实现个性化信息检索.     

个性化信息检索系统的用户模型研究

分析了传统信息检索系统实现个性化信息检索的必然性,对个性化信息检索系统的信息代理Agent、用户模型等相关问题进行了探讨,提出了一个基于向量空间的个性化信息检索用户模型。     

基于任务的个性化信息检索用户模型

文章在综述用户模型的获取、组成、构建3个方面研究的基础上,以用户的任务为出发点,构建基于任务的用户模型,并阐明该用户模型的构成.文章指出未来需解决的关键问题,以更好地支持个性化信息检索的实现.     

个性化信息服务中用户偏好的动态挖掘

基于个性化信息服务中用户偏好随时间变化的特性,采用聚类、关联规则等技术,对用户偏好进行动态挖掘.通过追踪用户需求序列,最终产生Top-N产品推荐,旨在提高推荐系统的推荐质量.然后选取协同过滤算法作对照,并采用MovieLens站点提供的测试数据集.通过对召回率和精度两项指标的分析,表明该动态挖掘算法具有较高的推荐准确度和全面性.     

数字图书馆中个性化服务的用户需求模型研究

随着数字图书馆的不断发展,大规模的标准化服务已经不能适应用户的需要,个性化的服务更能满足需要,更能提升服务的质量。而用户需求模型建立与处理的好坏又是个性化服务成功与否的关键所在。从需求的形式化分析着手,讨论需求信息的获取途径,在此基础上讨论需求模型的表示以及模糊处理过程。     

根据用户反馈建立和更新数字图书馆用户兴趣模型

为了充分发挥用户显示反馈和用户隐式反馈的优势，提出用户兴趣模型的设计方案是：根据用户注册信息建立用户兴趣初始模型，根据服务器日志统计来更新用户兴趣模型。     

基于网络日志的用户兴趣模型构建

了解用户查询意图对改善搜索引擎质量起到了至关重要的作用,对具有特定兴趣的用户进行查询分析,使搜索引擎更能了解用户的真实需求。本文通过对网络查询日志进行聚类分析,将相似度大的查询词聚类,建立用户兴趣模型对用户的兴趣进行分析。根据查询词内容重合度,建立查询词图,并结合查询词的PageRank算法,提出一种基于用户查询词概率分布的评价方法,对用户感兴趣的查询词进行评价。最后,根据查询词的概率分布将最感兴趣的查询词推荐给用户。     

信息用户成长模型的构建

在介绍信息用户相关研究模型的基础上,分析了目前信息用户研究模型存在的不足,并构建了信息用户成长模型,以更好地体现信息用户为中心的理念.该模型是通过系统地考察信息行为、信息意识、信息环境的影响等因素的基础上建立的.该模型能够更好地反映信息环境对用户的长远影响.     

基于用户兴趣挖掘的个性化信息推送服务

分析了信息服务的不足,探讨了基于用户兴趣挖掘的个性化信息推送服务的机制。     

数字图书馆信息过滤系统研究

本文针对当今“信息过滤”现象日益严重的现实，较为深入的论述了信息过滤的理论与特点，国内外信息过滤发展趋势，并提出个性化信息过滤模型实现之对策。     

基于EWA模型的科技用户行为研究

在分析科技用户搜索行为过程中学习行为特点的基础上,选用EWA模型对用户的学习现象进行研究,对基于信息搜索行为的EWA模型进行解释并讨论EWA模型中参数的估计方法;在上述研究的基础上,选择大学生作为实验样本,对科技数据库网站用户信息搜索中的学习行为进行探索性实验考察。     

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。     

基于用户兴趣的个性化搜索系统研究

针对目前常用搜索引擎在查询时返回结果数量巨大且杂乱无章的现象,在Web客户端为实现对用户的个性化信息服务设计了一种基于用户兴趣的搜索系统。利用用户的兴趣对于用户提出的搜索条件进行处理,再通过常用的搜索引擎进行查询,并将得到的结果进行二次排序,同时通过反馈信息不断更新用户的兴趣,以满足用户不断变化的需求。实验证明这样在保证了查全率的基础上,提高了查准率,从而提高了搜索效率。     

基于信息用户决策心智模型的实验研究

本文从心智模型角度分析用户检索资源决策行为的心理学机理,并组织实验进行验证,由此揭示用户使用检索资源的行为特征,最后给出了检索信息提示和修正传统培训模式的建议.