个性化推荐系统中的用户模型问题

个性化推荐系统已成为图书馆提供个性化服务的重要手段，而用户模型则是个性化推荐系统的基础和核心。然而基于关键词的用户模型已经不能够适应用户的个性化信息需求，本文提出了基于ontology的用户模型的设想。     

基于向心扩散加权XML模型的异构用户个性化模式匹配方法

介绍一种利用同文词语共现和引文词语共现分析实现的领域本体自动构建方法,该本体采用加权XML模型,利用概念联系中的权值设定可以有效地表达用户兴趣程度的差异,并利用基于向心扩散的扩散激活方法对用户兴趣特征及其联系提供更强的表达能力,以便于发现更有价值的潜在用户兴趣。进而介绍如何利用该本体按照"先打碎后重构"的策略将异构用户个性化模式转换为可以进行比较的一致模式,并对相关的异构用户个性化模式匹配方法做出详细说明。最后总结相关测试实验及其结果。     

国外基于标签的个性化信息推荐模型研究进展

对国外基于标签的个性化信息推荐模型的研究背景进行述评,根据标签系统中用户、资源、标签组织方式的不同,将基于标签的个性化信息推荐的研究归为三类--基于图论、基于张量和基于主题模型进行分析,详细阐述各自的特征和可能存在的问题等,最后针对目前的研究状况,提出未来需要解决的问题,希望我国图书情报领域能够借鉴国外这一领域相关研究成果。     

基于加权XML数据模型的个性化本体研究

随着近年来个性化服务技术的广泛应用和快速发展,个性化加权本体逐渐受到学者的广泛关注.虽然利用个性化加权本体可以更为有效和精确地表达用户兴趣模型,但是相关的设计实现方法仍需进一步研究.文章首先介绍加权XML数据模型的概念和相关特点,并利用"同构异值"的权值赋值策略设计了一种基于加权XML数据模型的个性化本体构造方法.然后从节点内容、层次结构和权值分配三个方面对其模式表达方法进行了详细介绍,其中重点介绍了权值分配策略及其原理.最后,给出了该种个性化加权本体的相似度比较算法,并对相关测试实验做了必要的说明.     

基于序列模式的个性化Web页面推荐模型*

基于数据挖掘中的序列模式方法,提出一种个性化Web页面推荐模型。该模型首先利用Web使用数据预处理提取Web交易事务集,然后应用序列模式算法挖掘频繁（连续）序列,最后通过构建频繁（连续）序列树生成用户偏好视图以生成个性化Web页面推荐集。     

基于人工神经网络的个性化检索模型

针时网络信息检索需求的日益提高,利用人工神经网络算法构建一种个性化智能检索模型,使搜索引擎能为用户提供个性化检索服务,并通过仿真实验验证该模型的可行性和有效性.实验结果表明,该模型可有效提高搜索的准确率.     

个性化学术论文推荐研究综述

个性化学术论文推荐研究旨在为学术用户提供满足其个性化需求的论文列表,有助于解决大数据时代下学术用户精准获取论文困难的问题。该研究一直是推荐系统领域探讨的热点之一,本文对这一研究进行了系统梳理及分析,旨在厘清相关研究的发展脉络与现状,明确未来研究方向,推动相关研究的进一步发展。以国内外期刊、会议中发表的有关个性化学术论文推荐的相关文献作为研究对象,通过归纳总结方法,梳理了个性化学术论文推荐研究中的主要技术,即基于协同过滤的方法、基于内容的方法以及基于图的方法,然后总结了该研究的公开数据集、评价方法和评价指标。研究结果发现,已有工作缺乏对研究者兴趣的全方位建模以及用户隐私保密的相关研究,且在可解释的推荐、面向用户惊喜的推荐以及推荐结果的评价等方面存在不足。最后,基于解决已有研究中存在的不足结合当前推荐系统领域的整体发展趋势,对个性化学术论文推荐的发展方向进行了展望。     

一种基于用户标签网络的个性化推荐方法

基于标签进行个性化推荐是目前的一个研究热点,不同的推荐算法对标签进行了不同的处理.用户使用的标签之间存在着某种内在联系,由此可构建用户标签网络.根据这一启示,本文提出了一种基于用户标签网络的个性化推荐算法.首先,将用户标签网络视为用户兴趣模型雏形,利用社会网络分析方法计算标签权重,并以加权标签集的形式表示用户兴趣模型,最后将标签权重转化为资源与用户兴趣的相似度,进而实现个性化推荐.实验表明,本方法能较为准确地揭示用户的兴趣,产生的推荐资源与用户兴趣匹配程度较高.     

基于Web Services的个性化信息推荐系统的研究与设计

本文在分析了个性化信息推荐服务在实现过程中存在的问题后,提出了利用Web Services技术进行个性化信息推荐系统的设计,并对系统的工作原理进行了详细的阐述.     

面向NSTL的个性化推荐系统构建研究

随着数字图书馆文献资源数量的高速增长,提升个性化信息服务的质量与效率,逐渐成为当前数字图书馆领域研究人员重点关注的方向。个性化推荐作为其中用户接受度较高的一种方式,呈现了快速发展的态势。文章介绍了当前国内外文献服务平台以及电子商务平台个性化推荐的应用情况,并结合NSTL网络服务系统的个性化信息服务现状,从体系结构设计、系统功能升级、核心模块设计与实现方法三方面对NSTL网络服务系统进行了个性化推荐系统设计。     

基于LDA和社会网络中心度的研究生个性化检索推荐模型研究

[目的/意义] 为了解决研究生用户面临的检索问题,提出一种基于LDA和社会网络中心度分析的个性化检索推荐模型。[方法/过程] 首先,该模型以研究生学科专业为个性化特征,并据此选择相应的数据源。其次,该模型使用LDA识别主题内容,以完成全面知识的展示。再次,该模型根据用户提交的检索词在相应的关键词-主题共现网络中进行社会网络中心度分析,以完成用户相关知识的推荐。[结果/结论] 实验表明,该模型能够很好地解决研究生检索中个性化特征、全面知识展示以及相关知识推荐三大问题,其有效性得到一定程度的验证。     

基于加权借阅网络的个性化推荐算法与实现

[目的/意义] 在应用大数据提升图书馆服务的背景下,为提高借阅推荐的有效性,设计一种基于加权借阅网络的个性化推荐算法。[方法/过程] 引入复杂网络理论的分析方法,以深圳大学城图书馆的实际借阅数据为例,证明借阅网络具有二分图特性和BA无标度网络特性,具备个性化推荐的条件;通过构建读者借阅子网,采用能量传递六步法,实现个性化图书借阅推荐。[结果/结论] 实际借阅数据的验证结果表明,算法是有效且具有实际应用意义的。     

基于加权XML模型的XML数据与DTD模式匹配*

首先说明利用加权XML数据模型分别得到标准XML参考实例和XML数据实例的方法,并对DTD约束修饰符的表达方法进行介绍。其次,详细阐述相似度算法的实现方法,重点说明在XML数据实例中寻找与标准XML参考实例的匹配节点算法和计算标准 XML参考实例与XML数据实例的相似度算法。最后,对相关实验及其结论进行总结。     

网格环境下的个性化信息推荐服务模型研究

本文主要解析了个性化信息推送服务的形式,探讨了在网格环境下各种信息推送服务的模式,特别强调了在网格环境下推送服务中间件的作用,揭示了中间件在不同类型的推送服务中将如何工作。     

基于用户决策机理的个性化推荐

[目的/意义]针对基于内容的个性化推荐策略，提出资源特征选择与权值计算优化策略，从而改善个性化推荐的效果。[方法/过程]构建基于用户决策机理的个性化推荐模型，模型以用户决策机理为背景知识进行资源特征的选择、用户兴趣模型的构建与语义表示、用户决策函数构建。为验证模型效果，以4 748位用户的观影数据为例进行实验，实验以向量空间模型为参照模型，P@N为评价指标。[结果/结论]实验结果显示，在N取值为5、10、20、50、100、200的情况下，基于用户决策机理的个性化推荐模型效果都显著优于向量空间模型，从而验证模型的有效性。     

动静结合的图书馆个性化资源推荐系统的建立

通过分析高校图书馆读者的基本信息、历史行为以及位置、信息环境等的变化,建立动态推荐和静态推荐相结合的个性化图书馆资源推荐系统。系统通过对图书馆信息资源提取关键字、分类和位置化,可以根据用户的兴趣模型和档案结合环境因素进行计算和信息推荐,不但为读者挖掘兴趣和推荐与兴趣相关的资源,节省读者搜索、查找时间,同时还可以提高图书馆资源的利用效率。     

基于混合隐Markov链浏览模型的WEB用户聚类与个性化推荐

针对传统的Markov链模型不能有效的表征长串访问序列所蕴含的丰富的用户行为特征(用户类别特征、访问兴趣迁移特征)的缺点,提出混合隐Markov链浏览模型.混合隐Markov链模型使用多个不同的模型来区分不同类别用户的浏览特征,并为每个类别的用户设置了能跟踪捕捉其访问兴趣变化的类隐Markov链模型,能更好地对WWW长串访问序列的复杂特征进行建模,在真实WWW站点访问日志数据上的用户聚类实验与个性化推荐实验的结果表明,混合隐Markov链模型与传统的Markov链模型相比,具有更理想的聚类性能和推荐性能.