基于用户浏览日志的上下文相关新闻推荐

个性化新闻推荐的难点在于用户在浏览新闻时目的性不强,容易受各种环境因素的影响,导致其浏览行为难以预测。以往的研究仅仅强调推荐内容相关的或者和用户长期兴趣相匹配的新闻,忽视了环境因素的影响。为此,需要研究上下文相关的新闻推荐算法。具体做法是从用户的浏览日志中提取上下文相关特征,然后训练一个Logistic回归模型来预测用户接下来最可能阅读的新闻。真实数据上的实验结果表明,上下文相关新闻推荐方法效果明显好于传统方法,也验证了上下文信息对用户浏览行为的重要影响。     

基于用户浏览行为的个性化推荐研究综述

研究如何充分利用海量用户浏览行为数据,构建更加精确的推荐算法和模型,以提高推荐系统性能,是目前个性化推荐领域研究的热点.针对这些问题,首先对用户的浏览行为进行了简要概括表述,给出了基于浏览行为推荐系统的总体框架,回顾总结了基于用户浏览行为的推荐系统的发展历程.对其关键技术和单一浏览行为量化方法与混合浏览行为量化方法进行总结、对比和分析.最后讨论了结合多源异构数据的浏览行为推荐的最新成果,总结了该领域未来研究难点和发展趋势.     

一种融合读者心情要素的新闻推送方法

互联网技术的飞速发展增强了用户与网络新闻间的交互性,使得网络新闻不仅包含传统的新闻内容和时间信息,还包含读者心情等交互信息。如何充分挖掘新闻特性,为用户提供便捷的浏览体验已逐渐成为新闻相关领域的研究热点。为方便用户通过输入查询词和心情浏览感兴趣的新闻,该文在考虑新闻的传统特性的同时,融合读者心情要素,提出一种全新的新闻推送方法。该方法重点研究依据读者心情的新闻排序算法,并考虑新闻内容与用户查询的主题相关性,以及新闻重要程度随时间衰减的特性,最终实现一种全新的新闻推送模式。基于所提方法,该文设计了一个融合读者心情要素的新闻推送系统,验证了该方法的有效性。     

基于ASP.Net网站新闻管理系统的设计

本网站制作成一个分类新闻系统,具有时政、体育、科教、法制、经济、军事等新闻栏目,可以随时发布重要新闻,通过最新新闻了解最新的内容,实现了新闻管理系统中所需的管理功能和查看浏览功能。通过管理登录,输入正确的密码后,用户不仅可以浏览新闻,还可以对新闻添加,用户管理和新闻管理等,使得对新闻信息的管理更加及时、高效,提高了系统的安全性和可靠性。     

个性化新闻推荐系统研究综述及探讨

随着新闻媒体技术的快速发展,网络新闻数量呈指数级增长。为了解决网络信息过载的问题,个性化新闻推荐扮演着极其关键的角色。它通过学习用户的浏览行为、兴趣爱好等信息,主动为用户提供感兴趣的新闻,从而提高用户的阅读体验。个性化新闻推荐逐渐成为新闻领域及计算机科学领域的研究热点和实践难题,业界专家已提出多种推荐算法用于提高推荐系统的性能。本文系统阐述个性化新闻推荐的国内外最新研究现状和进展,首先,简要介绍新闻推荐系统的架构,并对新闻推荐系统中核心推荐算法和常用评价指标进行研究。虽然个性化新闻推荐给用户带来很好的体验,但是潜移默化中也给用户带来很多未知的影响。跟其他新闻推荐综述不同的是,本文还结合新闻媒体专业研究了当前新闻推荐系统对用户行为产生的影响及面临的问题。最后,根据当前遇到的问题提出个性化新闻推荐的研究方向及未来工作重点。     

基于用户协作的新闻共享模型

如何从互联网已有海量信息中为用户推荐符合其兴趣的新闻是一项极具挑战的工作。门户网站式的传统新闻传播方法没有考虑用户的个性化需求,因而无法给出合适的推荐。本文提出了一种基于用户协作的新闻共享模型,通过浏览器插件收集用户的浏览行为、分析用户对网页的隐性评价,并结合协同过滤算法实现相似用户间的新闻推荐。在原型系统中验证了本文所提方法的有效性,并分析了推荐算法的性能。     

基于用户浏览行为分析的用户兴趣获取

从用户的浏览行为可以反映用户的兴趣出发,分析了用户的浏览行为与兴趣之间的关系,提出了五种用户最小浏览行为组合,并在此基础上对其中三种行为进行转化,得到影响用户兴趣的关键的两种行为,并给出这两种行为与用户兴趣度之间的定量关系.结合对网页内容的挖掘,获取用户的兴趣.通过实验对文中的研究结果进行验证,实验结果证明,所采用的方法是合理和有效的,分析出的用户兴趣基本上可以正确反映用户的实际兴趣.     

基于JSP技术的新闻发布系统

随着网络的飞速发展和普及,越来越多的用户习惯上网浏览新闻。网页逐渐融入人们的生活,已成为人们日常生活的一部分。另外企业通过网站可以展示产品,发布最新动态,与用户进行交流和沟通,与合作伙伴建立联系等等。该文论述的就是采用JSP Tomcat MySQL开发环境开发动态的Web网络新闻发布系统。本系统实现新闻的浏览,新闻的搜索与点评,同时还得兼顾栏目的路径信息,新闻图片信息。推荐新闻信息,新闻点击信息和新闻审核信息等。另外后台管理员可以对新闻进行添加,审核,修改和删除。     

社会网络中基于内容语义的新闻推荐方法研究?

以网络为基础的网络社会包含海量新闻信息,基于内容语义的新闻推荐成为迫切需求。针对上述目的以及社会网络中新闻推荐方法的独特性,改进了基于社会网络的新闻推荐模型。利用历史新闻中人们的新闻相似性、浏览时间、浏览次数、外推行为以及评价等指标,发掘和构建了社会网络中人与人之间的朋友关系,并把它与个人历史浏览记录结合,计算当前新闻的综合推荐度,从而进行推荐。实验表明,该方法改进了社会网络中的新闻推荐,能更好地向用户推荐新闻。     

基于信息寻觅智能体的网络用户浏览模式研究

互联网的规模越来越大，其分布性、动态性、进化性使得其成为复杂系统研究的一个很好的对象。互联网上存在许多规律，利用多智能体的方法研究了网络用户的浏览行为，通过信息智能体在虚拟网络空间的浏览研究，指出网络用户的浏览行为与用户兴趣的独特分布有关，而且指出网络拓扑结构存在最佳值，可以使用户获取信息与浏览步。     

Real-time Internet news browsing: Information vs. experience-related gratifications and behaviors

This study utilized lab observations with 49 subjects to observe what users encounter and how users behave in real-time Internet news browsing. We analyzed users’ selection of news platform, exposure to different topics of news content, and usage of different presentation elements by coding the screen videos. In addition, survey data with the subjects allow us to explore the links between gratifications and Internet news browsing behaviors. Our analyses suggest that users exert their control through actively and selectively interacting with the news services at the platform, content and presentation level to fulfill their different gratifications. In specific, gratifications based on information utility and those based on usage experience show different relations with different kinds of news browsing behaviors. Both the theoretical and methodological contributions are discussed at the end of this paper.     

Characterizing online health and wellness information consumption: A study

To seek answers to health queries, we often find ourselves on a quest to assimilate information from varied online sources. This information search and fusion from different sources elicits user preferences, which can be driven by demographics, context, and socio-economic factors. To that end, we study these factors as part of health-information seeking behavior of users on a large health and wellness-based knowledge sharing online platform. We begin by identifying the topical interests of users from different content consumption sources. Using these topical preferences, we explore information consumption and health-seeking behavior across three contextual dimensions: user-based demographic attributes, time-related features, and community-based socioeconomic factors. We then study how these context signals can be used to explain specific user health topic preferences. Our findings suggest that linking demographic features to user profiles is more effective in explaining health preferences than other features. Our work demonstrates the value of using contextual factors to characterize and understand the content consumption of users seeking health and wellness information online.     

基于用户浏览行为分析的用户兴趣度计算

从用户的浏览行为可以反映用户的兴趣出发,分析了用户的浏览行为与兴趣之间的关系,通过分析把能反映用户兴趣的典型浏览行为归纳为保存页面、打印页面、将页面加入收藏夹、复制页面内容、访问同一页面的次数和在页面上浏览时间这些浏览行为.针对这些浏览行为下的用户兴趣度计算做出阐述,并且在分析基于网页驻留时间和浏览次数计算网页兴趣度的算法的基础上,考虑网页大小的影响因素,使用基于浏览速度计算网页兴趣度,同时利用BP神经网络进行用户兴趣度融合.     

PENETRATE: Personalized news recommendation using ensemble hierarchical clustering

Recommending online news articles has become a promising research direction as the Internet provides fast access to real-time information from multiple sources around the world. Many online readers have their own reading preference on news articles; however, a group of users might be interested in similar fascinating topics. It would be helpful to take into consideration the individual and group reading behavior simultaneously when recommending news items to online users. In this paper, we propose PENETRATE, a novel PErsonalized NEws recommendaTion framework using ensemble hieRArchical clusTEring to provide attractive recommendation results. Specifically, given a set of online readers, our approach initially separates readers into different groups based on their reading histories, where each user might be designated to several groups. Once a collection of newly-published news items is provided, we can easily construct a news hierarchy for each user group. When recommending news articles to a given user, the hierarchies of multiple user groups that the user belongs to are merged into an optimal one. Finally a list of news articles are selected from this optimal hierarchy based on the user’s personalized information, as the recommendation result. Extensive empirical experiments on a set of news articles collected from various popular news websites demonstrate the efficacy of our proposed approach.     

社交网络用户浏览轨迹信息隐私保护方法仿真

随着网络应用的广泛普及,QQ、微信、YY语音、陌陌等社交软件走进千家万户,但社交网络用户浏览轨迹信息隐私保护问题也随之而来。由于社交网络平台安全机制存在漏洞,抵御网络攻击性能不强,使社交网络用户信息纷纷泄露。针对问题根源,提出ACP用户隐私信息防护系统,建立社交网络用户真空登陆模块(VM)、通讯信息密码文模块(RDT)及信息储存保护墙模块(LDM)一体化ACP用户隐私信息防护系统,从根源保护社交网络用户浏览轨迹信息的隐私安全。通过数据模拟仿真实验证明提出的ACP用户隐私信息防护系统,对社交网络用户浏览轨迹信息隐私保护具有可用性与有效性。     

Personalized web-document filtering using reinforcement learning

Document filtering is increasingly deployed in Web environments to reduce information overload of users. We formulate online information filtering as a reinforcement learning problem, i.e., TD(0). The goal is to learn user profiles that best represent information needs and thus maximize the expected value of user relevance feedback. A method is then presented that acquires reinforcement signals automatically by estimating user's implicit feedback from direct observations of browsing behaviors. This "learning by observation" approach is contrasted with conventional relevance feedback methods which require explicit user feedbacks. Field tests have been performed that involved 10 users reading a total of 18,750 HTML documents during 45 days. Compared to the existing document filtering techniques, the proposed learning method showed superior performance in information quality and adaptation speed to user preferences in online filtering.     

新客户在商务站点中的个性化推荐

提出了一种针对新客户在商务站点购物的个性化推荐方法。首先利用已购物客户的浏览信息生成购物行为模型,得到新客户在站点中的浏览行为生成浏览行为模型,通过最近邻居的协同过滤技术生成与新客户行为最为相近的用户集,将最近邻居已购商品推荐给新客户。该方法能够给新客户提供及时准确的个性化商品信息。     

中国社交类应用用户行为研究

"社交类应用"泛指具有社交功能的互联网应用,包括社交网站、微博、即时通信工具、博客、论坛等,本文重点研究社交网站、微博以及即时通信工具。在社交类应用用户特征及重叠情况、社交类应用用户变化以及各社交类应用用户使用行为差异的研究基础上,分析了社交类应用对新闻资讯类网站、网络购物、手机在线游戏等相关产业的影响,并对社交类应用的发展提出了相关建议。