教育网站个性化推荐系统中的一种用户兴趣模型的建立

用户兴趣模型用于描述用户的个人信息、专业背景、偏好倾向和历史行为等，通过这些信息，系统可以发现和预测用户的信息需求，从而对用户进行个性化的信息推荐服务。用户兴趣模型是影响推荐系统服务效率的重要因素，因此针对用户兴趣进行建模是个性化推荐系统实现中要重点考虑的问题之一。本文从教育网站用户对象特点出发，提出了将用户兴趣分为固定兴趣与临时兴趣相结合的动态模型：     

教育网站个性化推荐系统中的一种用户兴趣模型的建立

用户兴趣模型用于描述用户的个人信息、专业背景、偏好倾向和历史行为等,通过这些信息,系统可以发现和预测用户的信息需求,从而对用户进行个性化的信息推荐服务.用户兴趣模型是影响推荐系统服务效率的重要因素,因此针对用户兴趣进行建模是个性化推荐系统实现中要重点考虑的问题之一.本文从教育网站用户对象特点出发,提出了将用户兴趣分为固定兴趣与临时兴趣相结合的动态模型.     

人体经络系统中的个性化信息服务研究

人体经络较为复杂,涉及到经络、穴位、疾病、脏腑和针灸等方面的知识,容易导致＂信息迷航＂,且对于不同的用户,信息需求也各不相同。针对该问题,文章系统地研究了人体经络系统中的个性化信息服务,构建了用户兴趣模型,并根据用户对场景的访问次数和停留时间来更新用户的兴趣模型,在此基础上提出基于相似用户兴趣的个性化推荐算法,从而实现为用户提供个性化的信息服务。实验结果表明,系统能根据用户信息及其交互行为,有效地推荐与用户兴趣相关的信息,较好地为用户提供个性化的信息服务。     

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.     

基于神经网络模型的个性化服务研究

由于Web上信息的异构性、多样性和动态性,互联网也带来了所谓的"信息过载"和"信息迷向"的问题,个性化服务系统按照特定的用户群体和个人的需求定制服务的内容和表现,可以预测用户的需求,提供主动服务,其基本原理就是根据对各个用户不同的兴趣描述,通过相应的推荐算法为用户提供符合其兴趣的信息.待用户兴趣特征确定后,就可以建立用于个性化网页推荐的用户神经网络模型,向用户推荐个性化网页.     

证券信息推送系统中用户兴趣模型研究

推送技术根据用户的兴趣来搜索、过滤信息,将用户感兴趣的信息主动推给用户,帮助用户高效率地发掘有价值的信息。本文主要研究证券信息智能推送系统中用户兴趣模型的建立,提出通过分析具有相似需求的用户的定制行为来主动给用户进行推荐的机制,建立全面的用户兴趣模型,发掘用户的兴趣信息,为用户提供个性化的服务策略和服务内容。     

用户兴趣模型的表示和更新机制

面对因特网的海量信息,为了实现基于用户兴趣的个性化信息服务,提出了用户兴趣模型的表示和更新机制．它根据用户提供的各类示例文档,将文本的段落作为识别用户兴趣的基本要素．在聚类分析基础上,考察特征项、段落和类别的表达能力,建立用户兴趣模型,通过计算与文本的匹配程度,将满足约定条件的文本推荐给用户．利用相关反馈,追踪和更新用户兴趣模型,提高个性化信息服务的效率。     

基于RSS信息源的用户兴趣建模与更新

互联网迅速发展,个性化信息服务成为研究的热点之一。RSS标准提供了结构化的信息模式,便于信息搜索和概要浏览。该文针对基于RSS标准的新闻源,根据用户点击等隐式信息,通过文本相似判定,自动聚类形成用户兴趣子类。用户模型节点、信息类别和用户兴趣子类构成了三层结构的树状用户兴趣模型。信息类别与用户兴趣子类均有对应的兴趣度。用户模型的更新是通过用户兴趣子类的更新与相关兴趣度的更新完成的。通过此模型进行信息推荐还要保证适当的信息冗余度。该模型的个性化程度高且更新效果好。     

个性化信息服务中基于Tag的用户兴趣模型

随着web信息爆炸增长,个性化信息服务成为人们研究的热点,用户兴趣建模是个性化服务的关键,针对当前用户建模的缺点和tag的广泛应用,对基于tag的用户兴趣建模进行研究,首先通过实验证明tag中蕴含用户稳定的兴趣及tag分布的其他特征,然后提出加权树形结构由粗到细的粒度表示用户模型,为提高服务时效性,对用户频繁一起使用的...     

一种基于上下文的用户兴趣模型

当前的上下文觉察计算研究大多没有为用户提供个性化的服务,而且对在手持设备上的个性化上下文觉察服务的用户模型研究也不多见。依托用在PC上的个性化用户模型试探性的研究手持设备上加入上下文信息的用户兴趣模型,并对设计过程给出详细论述,通过模拟实验证明模型的有效性,并对未来手持设备上用户模型进行展望。     

基于简化ODP的用户兴趣模型

通过搜集搜索引擎用户的个人兴趣偏好,个性化搜索技术能够对搜索结果中的页面进行分析并与用户的兴趣进行比较,帮助用户从中找出更为感兴趣的结果,从而提高用户的搜索效率。通过利用简化的ODP目录层次结构进行训练以建立基本的用户兴趣树型结构,并在模型使用过程中通过用户的隐式操作反馈,对用户兴趣模型进行动态更新以反映用户不断变化的兴趣偏好。这一用户兴趣建模方法以简化的ODP结构为参考框架,并以用户个人的搜索行为作为模型修正和更新的依据,实现消除词条歧义并且表达用户个人兴趣偏好的目的。     

Combining long-term and short-term user interest for personalized hashtag recommendation

Hashtags, terms prefixed by a hash-symbol #, are widely used and inserted anywhere within short messages (tweets) on micro-blogging systems as they present rich sentiment information on topics that people are interested in. In this paper, we focus on the problem of hashtag recommendation considering their personalized and temporal aspects. As far as we know, this is the first work addressing this issue specially to recommend personalized hashtags combining longterm and short-term user interest.We introduce three features to capture personal and temporal user interest: 1) hashtag textual information; 2) user behavior; and 3) time. We offer two recommendation models for comparison: a linearcombined model, and an enhanced session-based temporal graph (STG) model, Topic-STG, considering the features to learn user preferences and subsequently recommend personalized hashtags. Experiments on two real tweet datasets illustrate the effectiveness of the proposed models and algorithms.     

个性化服务中基于行为分析的用户兴趣建模

为了更好地为用户提供个性化服务,本文从心理学的角度运用内驱力理论发现Web用户的浏览行为和他对网页是否感兴趣密切相关,并提出用线性回归模型来描述它们之间的相关性。通过实验验证了我们提出的这种回归模型是成立的、合理的和有效的。通过分析用户浏览行为计算出来的兴趣度可以应用于Web信息服务领域中的许多方面,对个性
化服务系统的研制有着重要影响。     

Index Navigator: Search Engine with Reasoning for Understanding and Expressing User's Changing Mind

When a search engine user becomes interested in a new area for him/herself, it is difficult for the user to enter a query precisely expressing the interest or to select areas including the interest, because he/she is just a beginner of the interest. This paper presents a system called Index Navigator, which tells areas a user is interested in, keywords he/she should enter as a query, and documents concerning his/her interest. A tough problem for such a system is to understand the user's interest from the query he/she entered. Index Navigator employs an inference method called Cost-based Cooperation of Multi-Abducers (CCMA), for understanding a user's interest from the history of the user's queries (expression of interest in incomplete keywords), even if the changing speed of the user's interest can not be estimated. With this device, Index Navigator guided the user to areas, keywords and documents relevant to his/her interest, according to the experimental results.     

基于情景和浏览内容的层次性用户兴趣建模

用户兴趣建模是个性化服务的核心,考虑到情景信息对用户偏好的影响,对融和情景信息的用户行为日志数据进行深入研究,提出了一种基于情景信息的用户兴趣建模方法.该方法首先通过计算情景相似度来获得用户当前情景的近似情景集;对“用户-兴趣项-情景”三维模型采用情景预过滤的方法降维处理.然后根据用户浏览内容得到用户兴趣主题,分析页面内容得到每种主题的兴趣关键词,建立基于层次向量空间模型的用户兴趣模型.实验结果表明,本文提出的基于情景信息的用户兴趣模型对用户兴趣的预测误差控制在9%以内,是有效的.     

一个个性化的信息搜集Agent的设计与实现

介绍了一个个性化的信息搜集Agent系统--DOLTRI-Agent(distanceandopenlearningtrainingresourceinformationagent)的设计与实现.DOLTRI-Agent系统是一个远程开放式学习(distanceandopenlearning,简称DOL)的教材信息搜集Agent.它基于多Agent体系结构,包含3个子Agent和其他3个组件.该系统具有主动搜集、维护、更新信息的功能,同时还具有个性化的特点,可不断学习用户知识,包括用户感兴趣的信息领域、用户的使用习惯等,并能运用这些知识来为用户提供个性化的信息服务和操作界面.     

一种社会化标签系统的用户兴趣建模方法

随着互联网技术的发展,海量信息同时呈现,使得用户难以有效发现本身感兴趣信息,并且大量的网络暗信息少人问津,难以被普通用户获取,为了处理信息过载问题,出现了个性化用户系统,以弥补海量信息中用户很难找到有用信息的问题。而只有具备了精准的用户兴趣模型,个性化用户系统才得以真正存在。因此用户兴趣建模的研究与探索具有深远的意义。从而,本文首先介绍了社会化标签Tag系统,其次分析了用户兴趣建模的四种表示方法,最后讨论了一种基于社会化标签系统的兴趣建模方法。     

足球视频搜索引擎中的用户偏好挖掘

目的：互联网信息量的急速增长使得人们需要花费大量时间从搜索引擎召回的结果中浏览自身感兴趣的内容,结合用户的搜索日志信息和社交平台信息,提出一种分层的实时偏好挖掘模型,为用户提供个性化搜索服务。方法：在系统分析偏好挖掘的国内外研究现状的基础上,针对足球视频,提出一种分层权重无向图（Hierarchical Weighted Undirected Graph,HWUG）用户偏好模型,充分考虑了用户偏好之间的关联信息,通过获取用户足球领域的显式和隐式反馈信息,提取反馈信息中的偏好标签和偏好动作,并引入时间衰减因子,实现了用户足球偏好的实时计算。结果：算法已经应用在在搜球网（www.findball.net）的个性化检索结果排序和视频推荐上,并已经取得了很好的效果。结论：实验结果表明,结合特定领域的知识,基于分层无向权重图模型的偏好挖掘算法能更准确和实时反映用户的足球偏好。