基于向量空间模型的用户兴趣模型研究

分析了搜索引擎服务质量不高的原因,提出使用用户兴趣模型提高个性化信息检索质量的方案。设计了一个基于向量空间模型的用户兴趣模型算法,该算法根据页面的反馈度以及关键词在页面中出现的频度和位置计算该关键词的权重,使个性化信息检索效果得到了明显提高。     

个性化信息服务中用户兴趣模型的研究

面对网络海量信息资源,信息检索越来越显示出其重要性,但原有检索系统并没有考虑到用户知识背景和用户兴趣。针对在一段时间内需求相对稳定的用户,为满足他们的个性化信息需求,系统必须快速准确获得其个人信息,从而使检索系统实现个性化信息服务。文章对个性化信息收集、特征提取、用户兴趣模型创建和用户兴趣模型更新等有关方面的实现方法进行了重点阐述。     

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。     

个性化搜索引擎中用户兴趣模型研究

对个性化搜索引擎中的用户兴趣模型进行了分析研究。首先,分析了现有用户兴趣模型的不足,指出了用户兴趣模型的基本结构,对用户兴趣模型的特征提取采用基于词频统计的TF-IDF算法;然后,利用用户的短期兴趣和长期兴趣建立用户兴趣模型,并分别对其进行了更新优化;最后,提出了个性化搜索引擎的具体工作过程。     

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,其搜索效果优于当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WEB挖掘的高校档案馆用户浏览行为个性化研究

本文首先对当前主要的Web挖掘技术和高校档案馆用户兴趣建模技术进行了分析,提出了以高校档案馆用户在高校档案馆网站浏览内容分析为主,浏览行为分析为辅的高校档案馆用户兴趣挖掘过程模型。而基于Web浏览内容挖掘所得到的用户兴趣模型能较准确地描述用户的兴趣。     

基于WEB挖掘的高校档案馆用户浏览行为个性化研究

本文首先对当前主要的Web挖掘技术和高校档案馆用户兴趣建模技术进行了分析,提出了以高校档案馆用户在高校档案馆网站浏览内容分析为主,浏览行为分析为辅的高校档案馆用户兴趣挖掘过程模型。而基于Web浏览内容挖掘所得到的用户兴趣模型能较准确地描述用户的兴趣。     

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。     

基于用户兴趣及迁移的话题模型分析

社交网络中各种推广应用都依赖于用户兴趣的获取。用户兴趣获取方法多种多样,但大多集中于用户关注信息、用户浏览网页的分析,用户发表的语义信息与兴趣的潜在联系很少被深度发掘。提出基于标签的话题分割模型,将所有文本转化为带标签的文本以便聚类。通过分析话题变化状态推测用户兴趣迁移状况,注重社交网络用户兴趣及迁移状况与话题动态变化过程的潜在关联,利用Word2vec对话题进行相似度分析,充分利用词的上下文信息表征丰富的语义信息,通过分析社交网络平台数据,得到用户兴趣分布、兴趣动态变化过程以及话题迁移状况。将结果进行拟合后发现,用户的兴趣及变化状况很大程度上取决于用户发表的话题。     

基于用户兴趣的文献个性化推荐研究

针对当前文献推荐中个性化程度不高等问题,提出一种对用户行为重新分配权重的度量算法。运用用户行为数据按照时间顺序重新分配权重,突出近期用户兴趣构建用户兴趣模型。通过LDA主题分布、关键词分布等方法构建学术资源模型,实现两模型间匹配,完成推荐。通过实验验证,该算法准确性达到80%,比传统等权重算法提高近20%,召回率与F值分别提升了7%和5%。研究表明,基于时间因素的用户兴趣度量算法相较于传统等权重算法具有更高的准确性,未来可进一步优化用户兴趣度量以实现精准推荐服务。     

基于云计算的用户兴趣建模

针对电子商务平台推荐结果准确率低和无法真正实现个性化的问题,本文提出了一种基于云计算的用户兴趣建模和更新方法.以用户的注册信息、评分信息和浏览行为作为偏好原始数据,通过云计算得到结构化的主题和特征项信息,构建兴趣模型.利用用户的反馈自适应地调整主题特征值向量和阀值,更新用户模型.通过加入时间向量区别活跃兴趣和稳定兴趣,及时准确地反映用户兴趣变化,提高个性化服务性能.     

基于云计算的用户兴趣建模

针对电子商务平台推荐结果准确率低和无法真正实现个性化的问题,本文提出了一种基于云计算的用户兴趣建模和更新方法。以用户的注册信息、评分信息和浏览行为作为偏好原始数据,通过云计算得到结构化的主题和特征项信息,构建兴趣模型。利用用户的反馈自适应地调整主题特征值向量和阀值,更新用户模型。通过加入时间向量区别活跃兴趣和稳定兴趣,及时准确地反映用户兴趣变化,提高个性化服务性能。     

基于用户兴趣文本的个性化信息服务研究

个性化信息服务为用户提供符合个人需要的服务。而要真正做好个性化服务,必须深入开展用户研究,分析用户的真正需求。用户在网上获得信息的方式主要是通过浏览文本,所以,从文本中抽取特征是分析用户兴趣的有效途径。     

基于用户兴趣建模中加权关键词的表示

对用户兴趣建模所应用的向量空间模型进行分析,引入关键词依赖模型的方法,将表征用户兴趣的关键词向量中的词定义为图的顶点,词间的关系定义为图的边,并计算相应的权重来表示用户兴趣模型。     

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.     

数字图书馆个性化服务用户模型研究

随着网络和计算机技术的发展,数字图书馆越来越受到人们的喜爱。但是,数字图书馆具有十分丰富的图书资源,用户很难快速、便捷、准确地找到所需要的资源,如何解决这一问题成为了数字图书馆发展的关键。本文以数字图书馆的个性化服务为切入点,简要介绍了数字图书馆个性化服务的具体内容,提出并分析了数字图书馆个性化服务用户模型问题。     

用户建模与个性化信息服务

随着网络的快速发展,各种信息的大量涌现,在如此多的海量的网上信息中,用户很难找到自己真正感兴趣的信息,当前这一问题成了信息资源提供者所迫切需要解决的问题。根据这一问题,提出一种通过对用户兴趣模型的建立和更新,在将它与信息资源模型的进行匹配度的比较,从而实现信息资源精确检索的算法,并通过相关系统的验证,效果明显,并且该算法对实现个性化信息服务也具有很好的实用价值。