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。     

个性化的Web信息搜索研究

Web搜索从根本上改变了人们查找信息的方式。实现Web信息搜索个性化主要有推荐系统和个性化的Web搜索系统两大类,概述了每种类型的基本思路,分析了Web信息个性化技术使用的个性化用户兴趣模型的建立取更新,剖析了实现Web个性化搜索的前提条件,展望了个性化搜索的将来。     

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。     

Web信息搜索个性化方法

综述了几种Web搜索个性化方法，介绍了基本思想，对一些系统如何实现Web搜索个性化进行了分析，包括所使用的用户信息、与用户的相互作用、信息的存储、结合用户信息与搜索所使用的算法。     

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。     

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。     

基于改进用户浏览行为个性化搜索引擎系统研究

提出了一种改进用户浏览行为的用户兴趣模型,该模型综合考虑了用户对页面的浏览行为、用户的长期兴趣和短期兴趣。将这种改进的用户兴趣模型应用于个性化搜索引擎系统中,详述了系统的基本框架、系统基本功能模块,开发了一个演示系统IUBPSES。模拟实验显示：利用该改进用户兴趣模型的搜索引擎系统进行关键词搜索,其搜索效果优于＇-3前主流搜索引擎系统。最后,指出了需要改进和进一步研究方向。     

基于用户兴趣度的电子目录个性化方法

针对用户实际需求,设计用户兴趣度评价指标,包括3个元素:用户对商品的关注度,热点商品和活动商品;构建用以判定用户兴趣高低的用户兴趣度模型(User Interesting Degree Model,UIDM);结合用户兴趣度,确定电子目录个性化的方法,包括对电子目录的节点(分支)进行相关的增删操作.改进后的目录相较之前的面向企业的电子目录更符合用户的需求,且能帮助企业完成相关商品的推荐.     

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。     

个性化元搜索引擎的研究

针对现有搜索引擎的局限性和当前用户的个性化需求,以用户兴趣模型为基础,对个性化元搜索引擎的基本原理和结构、方法及关键技术进行了研究,并在此基础上提出了用户个性化元搜索引擎的简单实现。     

基于用户兴趣的个性化信息检索方法研究

在信息检索中对基于用户兴趣的检索结果进行重排得到广泛关注。为了构建用户兴趣的知识库,本文对用户的登录细节和点击数据进行综合分析,提出了定制用户访问信息的方法,同时采用开放式目录项目Dmoz自动进行用户兴趣主题映射,对搜索结果进行个性化分类,并根据用户兴趣对检索结果重排,比正常的搜索引擎更容易找到相关的信息。联机实验结果表明,本文提出的方法可有效地提高用户检索精度。     

融合用户兴趣漂移特征的个性化推荐研究

[目的/意义]基于社交网络用户短期兴趣和长期兴趣,挖掘用户不同时间窗口下长短期兴趣,能够提高用户兴趣发现的准确性,解决推荐系统不能适应用户兴趣变化的问题。[方法/过程]通过对社交网络用户兴趣的研究发现,社交网络用户兴趣可以分为短期兴趣和长期兴趣,据此构建融合用户兴趣漂移特征的个性化推荐模型。采用时间窗口的方法挖掘用户短期兴趣,利用遗忘曲线跟踪用户长期兴趣变化。在此基础上对用户进行聚类,根据用户聚类结果为用户推荐兴趣相似用户。并以微博真实数据为例进行实证。[结果/结论]融合用户兴趣漂移特征的个性化推荐模型能够较准确地发现用户兴趣漂移特征,满足用户个性化信息需求。[局限]仅使用微博这一应用广泛的网络社交平台进行实证,未能从多个网络社交平台进一步验证模型的可行性和准确性。     

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。     

时间序列相似性度量的面积距离方法的研究

针对现有的一些时间序列相似性度量函数存在的问题,在时间序列分段线性表示的基础上,提出了一种新的基于面积的度量方法。分段后的时间序列,用对齐法解决时间序列模式之间长度可能不相等的问题,再通过平移,将相交的两线段所围成的面积,作为相似性度量的函数。该方法与现有的一些相似性度量方法进行比较,并且通过人工模拟数据和真实的股票数据进行实验,证明了该方法能够更好地进行相似性搜索,并且较其他的方法,更合理,有效。     

基于虚拟现实技术的个性化定制研究

随着经济的发展和技术的进步,个性化定制的经济模式越来越受企业重视,然而就目前来说,个性化定制还不是很成熟,存在着一定的问题。虚拟现实技术开创了人机交互技术新领域,为设计探索提供了新方式。本文在现有的个性化定制模式基础上,结合虚拟现实技术,探讨了基于虚拟现实技术的个性化定制,包括用户个性需求收集、需求转化、虚拟设计、原型测试、迭代设计和虚拟制造一系列环节,希望通过虚拟现实技术来解决个性化定制过程中出现的互动性差、实时性不强、效率低以及成本高等方面的问题。     

个性化网络教学资源管理系统的设计与实现

随着教育信息化建设的快速发展,"资源迷向"的问题日益突出,原有的业务系统已经不能满足高校发展的要求,如何准确快速地从海量教学资源中获取所需信息是目前信息化研究的热点.本文针对教学信患资源的特点,提出一种基于数据挖掘技术的个性化教学资源的管理系统设计方案,并给出了具体的应用.