微博用户的相似性度量及其应用

微博用户的兴趣分析和模型表示是用户关系分析的基础,而用户关系分析又构成了微博社会网络的生成和分析的基础.该文主要讨论微博的用户关系分析技术.作者将微博社会网络视为一个加权无向图,节点表示用户,边表示用户之间的关系,边的权值表示用户之间的关系强度.该文将用户关系强度定义为用户之间的相似度,分别给出了基于各种用户属性信息(背景信息、微博文本、社交信息)的用户相似度计算方法,并通过实验系统性对比了上述方法的优劣.实验结果显示:基于社交信息的用户相似度在用户关系分析方面取得了最好的效果.为了进一步验证上述用户相似度的实际性能,该文将它们应用于用户推荐的相关实验,基于社交信息的用户相似度又取得了最好的推荐效果.最后,该文应用基于社交信息的用户相似度生成了微博的社会网络(称作用户相似性网络),在该社会网络上进行了团体挖掘的实验,实验结果显示了该相似度在团体挖掘上的有效性.     

基于非负矩阵分解的用户话题兴趣度算法

Web媒体被公认为继报纸、广播、电视之后的“第四媒体”.而Web2.0的迅速普及,又使当今的Web媒体呈现了一种“自媒体”形式,即每个用户既是信息的接受者,也是信息发布者和信息转发者,在信息传递过程中,用户与用户互动,影响信息传播的进程.用户本身的特性对于传播有很大影响,信息传播依赖于用户个体的行为模式.因此,需要对用户和传播话题之间的关系进行建模,来度量用户对某个话题的感兴趣程度.论文提出了有效的算法来对用户进行感兴趣的话题推荐,该算法基于非负矩阵分解理论,分析用户发表过的内容,将用户感兴趣的话题推荐给该用户.该文针对研究小组下载的真实数据集-科学网数据集进行实验分析,实验结果表明算法能够有效地将用户感兴趣的话题推荐给用户.     

利用Bookmark服务进行网络信息过滤

信息过滤(information filtering)是解决网络信息查询困难的重要方法,其核心技术是用户信息需求的获取和信息匹配算法.该文从这两方面讨论了在Internet上进行信息过滤的问题.在用户信息获取方面,提出通过扩展浏览器上的Bookmark功能,跟踪用户信息需求,并直接利用用户评价文章来表达用户需求.在信息匹配方面,提出最大间距进行ranking的算法.实验表明,它比传统算法精度更高.作为对上述方法的实现,设计了Bookmark服务系统,给出其系统框图,并介绍了它的功能.     

融合用户和产品信息的多头注意力情感分类模型

针对传统情感分类方法提取文本信息单一的问题, 提出了一种融合用户信息和产品信息的分层多头注意力的情感分类模型. 首先, 采用分层的多头注意力代替单一注意力, 从多个视角获取有效信息. 然后在每个注意力中都融入用户信息和产品信息, 挖掘出用户和产品信息在多个子空间上的表现特征, 使模型在多个子空间上得到更全局的用户偏好和产品特点对情感评分的影响. 实验结果表明, 模型在IMDB、Yelp2013、Yelp2014数据集上的准确率较之前基于神经网络的情感分析模型均有所提高.     

基于RSS信息源的用户兴趣模型研究

互联网迅速发展,个性化信息服务成为研究的热点之一.在个性化信息服务的研究中,用户兴趣建模是核心问题之一.本文针对 RSS 标准的信息源,从用户兴趣知识获取、用户模型表示、用户模型学习、用户模型更新这四个方面论述了基于 RSS 的用户兴趣模型构建过程中的理论、方法和技术.     

移动端非显式用户身份信息的隐私问题研究

智能设备给人们带来方便的同时也记录了大量使用者的使用习惯、位置、访问内容等隐私信息.文章综合考虑用户行为数据的采集方式,数据处理方式以及存储方式,自主设计用户行为数据的采集系统,并在智能终端设备上采集用户的大量非显式身份信息数据,包括网络流量信息、屏幕状态信息等,通过对这些数据进行处理和分析,发现利用这些非显式的用户身份信息可以有效对用户身份进行识别,并能推测出部分用户间的社会关系.实验表明,基于非显式身份信息数据的研究对保护用户隐私有重要的现实意义和很大的应用价值.     

结合注意力CNN与GNN的信息融合推荐方法

稀疏性问题一直是推荐系统面临的主要挑战,而信息融合推荐可以利用用户的评论、评分以及信任等信息发掘用户的偏好来缓解这一问题,从而为目标用户生成相应的推荐.用户、项目信息的充分学习是构建一个成功推荐系统的关键.但不同用户对不同项目有不同的偏好,且用户的兴趣偏好及社交圈是动态变化的.提出一种结合深度学习与信息融合的推荐方法来解决稀疏性等问题.特别地,构建了一种新的深度学习模型——结合注意力卷积神经网络(attention CNN)与图神经网络(GNN)的信息融合推荐模型ACGIF.首先,在CNN中加入注意力机制来处理评论信息,从评论信息中学习用户和项目的个性化表示.根据评论编码学习评论表示,通过用户/项目编码学习评论中用户/项目表示.加入个性化注意力机制来筛选不同重要性级别的评论.然后,利用GNN来处理评分和信任信息.对于每个用户来说,扩散过程从最初的嵌入开始,融合相关特性和捕获潜在行为偏好的自由用户潜在向量.设计了一个分层的影响传播结构,以模拟用户的潜在嵌入如何随着社交扩散过程的继续而演变.最后,对前两部分得到的用户对项目的偏好向量进行加权融合,获得最终的用户对于项目的偏好向量.在4组公开...     

Web信息检索结果个性化排序模型

本文讨论了如何从网页点击次数的统计数据中获得用户对网页中包含信息的评价.在考虑了网页内容,时间等因素对信息价值的影响后,给出了一种基于用户评价的对信息检索结果个性化排序的模型.模型根据用户浏览网页时的行为和用户的特征信息,预测用户对信息的需求,智能地对信息检索结果进行个性化的排序.模型实现简单,可以应用于多数信息检索系统,为用户提供个性化的信息服务.     

Web应用的安全

介绍 　　一段时间以来,电子商务相当的普及.在实际应用中,用户已经考虑到了网络安全的问题.他们关心的是用户认证、控制用户操作、保护信息等,这些都关系到安全,因为:您的信息就在服务器上!……     

基于位置的手机博客系统设计与实现

随着移动产业发展和移动技术提高,基于用户位置的业务迅速发展,如:紧急援助、信息查询等,基于位置业务创新已经成为移动产业发展的巨大推动力.文中在ISG平台上设计和实现基于位置的手机博客系统.与传统的手机博客系统相比较,文中引入用户位置信息.用户写博客时,系统自动记录用户的位置信息,并把用户位置与其所写博客动态绑定存储;用户可以根据自己的位置动态搜索博客.     

基于协同过滤算法的微信小程序智能助手

随着信息技术和网络的不断迅猛发展,互联网的信息资源急剧增长.信息过载问题促进了个性化推荐技术发展.协同过滤算法通过在用户和信息之间建立联系,被广泛应用于电子商务各个领域.本文提出通过利用微信小程序来获取用户的个性化信息数据,并且通过协同过滤算法,为用户设计的微信小程序智能助手,能够为用户推荐符合用户个性化的生活服务信息.在本文中,介绍了智能助手的设计方法,并详细介绍了系统的功能和个性化推荐功能的实现.     

客户评论中用户体验信息自动提取研究

客户评论在人们的日常生活中越来越重要,人们希望从客户评论中获取商品的用户体验信息.客户评论数量的急剧增长使得用户快速、精准地获取有用的信息变得较为困难.为此,提出一种能够自动提取用户体验信息的方法.该方法通过语义片段过滤评论中的冗余信息,提取产品特征词及特征描述词,将其结合组成用户体验信息,自动获取信息能够迅速、准确地从客户评论中提取信息.实验结果证明了该方法的有效性,并且能够保证较高的准确率与查全率.     

基于活动的数据空间数据关系发现

基于分析用户日常活动间存在的相关性,利用活动与数据间的紧密联系,提出了一种基于活动的数据空间数据关系发现方法.通过分析用户活动发现数据间的隐含关联.利用日志系统收集用户活动窗口信息,从语义、切换、时间等方面计算活动相关度信息,并从中提取生成数据关系信息.系统还可随用户递增的活动信息及用户对数据关系的反馈,更新数据关系信息,提高系统的服务能力.     

油田燃气语音呼叫系统

此系统相当于一个小型的呼叫中心,能够及时的将燃气停气、来气信息传达给用户.主要功能是将消息通过语音群呼形式传递给用户,工作人员在此系统对信息进行录音然后以群呼的形式发送给用户.可以通过小区,楼,单元,住户来根据需要选择用户,并且能够保存发送的内容、时间等信息,便于工作人员日后查询.     

基于证书的信息门户单一登录

在公钥算法的基础上提出了一种基于数字证书的信息门户用户单一登录的实现方法.用户只需要在登录门户时提供一次用户信息(如用户名和密码),通过服务器验证后,在该次会话中访问门户中的网络资源时无须再提供用户信息,而是由单一登录系统完成资源对用户的认证.     

用户查询意图切分的研究

用户查询意图是指用户在构建查询时,希望搜索引擎能够返回的信息.如果搜索引擎可以判断用户当前查询与之前输入的查询是否属于同一查询意图,那么可以为用户提供更适当的查询建议、查询扩展或者个性化检索服务等.该文提出了基于点击相似度切分用户查询意图,在决策树模型和CRF模型上都取得了一定的提升.利用用户点击信息可以提高查询意图切分的效果,引入用户点击信息后,基于决策树的方法,F值提高1％,基于CRF模型的F值提高1.4％.     

基于粗糙集理论的金融信息推荐算法研究

信息推荐是根据用户需求为用户主动推荐相关内容的一种信息服务的技术,现有的信息推荐技术更多地从全局信息空间为用户提供通用的信息服务,而特定领域信息内容结构、用户需求、服务模式、推荐算法等都有很大差异,与领域信息服务相关的个性化推荐方法是推荐质量的重要保证.针对金融领域信息服务的特点提出一种基于粗糙集的金融信息推荐算法,将粗糙集算法和内容过滤技术结合起来实现金融信息推荐.首先进行基于粗糙集的资源分类,包括数据预处理、特征值提取、属性约简、规则的生成、分类结果产生等步骤.然后在资源分类的基础上进行特定领域信息推荐.实验证明,推荐算法的效率比较高,比基于普通分类的信息推荐算法在查全率和查准率上都有较大改进,能很好地为某些特定领域的用户提供比较准确的推荐信息.     

基于地理标签的LBSN链接预测模型

为更深入挖掘用户位置信息,本文从位置语义相似性角度挖掘用户特征.利用LDA算法对用户签到信息进行位置主题建模,采用Gibbs采样算法计算LDA模型中的分布函数,并根据这些分布提出了基于签到地点语义的用户相似性特征向量.利用有监督的机器学习算法,综合LBSN的网络结构信息、签到地点信息、地点语义信息得到多维相似性特征向量来进行链接预测.在Gowalla数据集上的实验结果表明,相较于传统的链接预测算法,将基于签到信息的多个相似性特征作为辅助信息的链接预测算法显著提高了LBSN链接预测的性能.     

基于话单数据的移动通信用户画像研究

用户通话产生的详细话单数据具有丰富的时空信息和社交信息,这些信息在一定程度上反映了用户的生活习惯和社交模式,对于移动通信用户画像研究具有重要意义.我们的研究是基于中国某运营商提供的10 000名用户一个月详细话单数据,本文从用户日常移动模式方面提取移动距离、回旋半径、访问点个数和移动方向熵特征,从用户社交生活方面提取通话时长、联系人数量、主叫比率和社交熵特征,利用上述特征对用户进行群体划分和构建用户词云名片,从而完成对移动通信用户的画像研究.本文使用用户话单数据为推测用户属性、理解用户特征提供了新的视角.     

第三方电子商务的个性化信息推荐系统

在分析已有成果的基础上,设计了一个面向第三方电子商务的个性化信息推荐系统,并详细阐述了该系统的体系结构、功能划分以及关键技术.该系统通过追踪用户的阅读行为、分析用户的喜好,进而学习用户的兴趣和行为,实现了主动向用户推荐个性化信息,个性化评比、个性化主题分类及版面配置的功能.实验结果表明,该个性化信息推荐系统具有较好的性能.