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。     

基于用户兴趣挖掘技术的移动校园信息推送系统研究与探索

本文主要从分析现有的校园信息发布平台出发,围绕个性化主动信息推送这一目标,研究及探索一种基于移动网络和用户兴趣挖掘技术的校园信息推送系统。针对不同的用户订制个性化的服务策略和功能模式,并通过分析用户信息和浏览行为以及用户信息订阅来构建用户兴趣模型,主动将用户可能感兴趣的信息推送给他们,并对推送结果进行反向跟踪,实现信息的"推"技术,以此构建一个全新的校园信息推送服务系统,达到信息的主动投放和精确获取的效果。     

基于加权动态兴趣度的微博个性化推荐

针对微博信息量大、用户兴趣随时间变化特征,提出一种基于加权动态兴趣度(WDDI)的微博个性化推荐模型。WDDI模型考虑微博转发特征,并引入时间因子,利用微博主题模型基于转发的狄利克雷分配(RT-LDA)对用户微博进行研究,建立用户对主题的个体动态兴趣模型。通过用户与其关注用户的相似度和交互频率获取用户的群体动态兴趣,将用户个体兴趣与群体兴趣加权结合得到加权动态主题兴趣模型。对用户接收的新微博按动态兴趣度降序排列,实现微博动态个性化推荐。实验表明,WDDI模型较之传统推荐模型,在微博服务中能够更准确地反映用户动态兴趣。     

个性化信息检索系统中用户兴趣模型的建立

个性化检索系统通过收集和分析用户信息来学习用户的兴趣和行为,从而实现对用户的个性化的信息推荐服务。而用户兴趣模型正是用户和兴趣的信息模型,用户兴趣模型直接影响到个性化的信息服务。     

用户个性化推荐系统的设计与实现

为实现个性化服务,理解用户兴趣就成了提供服务的关键任务,因此,提出了隐性采集用户浏览内容、用户浏览时间和用户操作时间的信息方法,通过对网络爬虫程序抓取的网页进行内容清洗提取出主要内容之后,利用VSM建立文档模型,并采用SVM分类方法建立推荐库.基于从客户端采集的用户兴趣信息建模,以及根据该模型和推荐库的相似度,给用户推荐信息.此外,给出了基于该模型的推荐原型系统的实现,使用查准率来评价该系统.试验结果表明,系统较好地实现了基于用户兴趣来推荐阅读的信息.     

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.     

基于Agent的个性化信息过滤系统的设计与实现

针对用户个性化服务的特定需求，文中提出了一种基于Agent的个性化信息过滤系统的设计思想及其实现过程。采用基于主题的过滤和基于兴趣的过滤相结合的过滤方法对信息分两次过滤，同时利用Agent跟踪用户的浏览行为，从而提供隐式反馈。系统能够根据文本的内容自动判别文本所属主题分类，并计算待过滤信息与用户兴趣之间的相关度，最后利用用户的反馈对用户兴趣模型进行更新，从而帮助用户准确获取有用信息。     

基于Agent的个性化信息过滤系统的设计与实现

针对用户个性化服务的特定需求,文中提出了一种基于Agent的个性化信息过滤系统的设计思想及其实现过程。采用基于主题的过滤和基于兴趣的过滤相结合的过滤方法对信息分两次过滤,同时利用Agent跟踪用户的浏览行为,从而提供隐式反馈。系统能够根据文本的内容自动判别文本所属主题分类,并计算待过滤信息与用户兴趣之间的相关度,最后利用用户的反馈对用户兴趣模型进行更新,从而帮助用户准确获取有用信息。     

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。     

个性化医学信息服务的实现

利用关于医学主题词(MeSH)的向量来描述不同用户对各种医学信息的兴趣强度和不同的医学文档,根据这两个向量的相似度,判断用户兴趣对某医学文档是否感兴趣,从而过滤出用户所需要的医学信息,实现医学信息的个性化服务。     

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.     

个性化元搜索引擎的研究与设计

随着Web信息的快速增长和人们对信息检索质量要求的提高,传统的搜索引擎已不能很好地满足人们的需求. 本文提出了一种个性化元搜索引擎模型.个性化是指模型可以针对不同的用户建立不同的用户兴趣模型,然后根据用户兴趣,模型对搜索结果进行过滤、重排序处理,使得显示给用户的搜索结果更具有针对性.本文阐述了各主要功能模块工作原理,并详细介绍了根据用户兴趣模型对搜索结果进行排序的算法,实验表明该算法能够有效地提高用户的检索质量.     

基于WLAN移动定位的个性化商品信息推荐平台

随着WLAN在室内环境的日益普及,基于现代的移动设备可以方便实时地获取各种有价值的WLAN数据,这对我们识别个体日常生活中的多样化行为提供了前所未有的机会。近年来,用户的兴趣点与行为模式挖掘等领域日益引起各界的广泛关注,设计了一套基于室内定位的推荐系统,基于用户的历史访问记录,实现从过载的信息中识别出用户感兴趣的内容。现有的位置服务通常只针对用户的室外位置数据,缺乏对室内数据的挖掘分析,忽略了室内位置数据中蕴含的大量语义信息。利用室内定位技术获取用户在商场中的活动轨迹,根据用户去过的店铺和浏览过的商品等历史信息,估算用户的兴趣爱好并进而向用户个性化地推荐感兴趣的商品,基于以上思路设计实现了一套基于室内定位和微信平台的个性化商品推荐系统。     

Incremental mining of information interest for personalized web scanning

Businesses and people often organize their information of interest (IOI) into a hierarchy of folders (or categories). The personalized folder hierarchy provides a natural way for each of the users to manage and utilize his/her IOI (a folder corresponds to an interest type). Since the interest is relatively long-term, continuous web scanning is essential. It should be directed by precise and comprehensible specifications of the interest. A precise specification may direct the scanner to those spaces that deserve scanning, while a specification comprehensible to the user may facilitate manual refinement, and a specification comprehensible to information providers (e.g. Internet search engines) may facilitate the identification of proper seed sites to start scanning. However, expressing such specifications is quite difficult (and even implausible) for the user, since each interest type is often implicitly and collectively defined by the content (i.e. documents) of the corresponding folder, which may even evolve over time. In this paper, we present an incremental text mining technique to efficiently identify the user's current interest by mining the user's information folders. The specification mined for each interest type specifies the context of the interest type in conjunctive normal form, which is comprehensible to general users and information providers. The specification is also shown to be more precise in directing the scanner to those sites that are more likely to provide IOI. The user may thus maintain his/her folders and then constantly get IOI, without paying much attention to the difficult tasks of interest specification and seed identification.     

OLAP系统中用户浏览行为模型分析

用户在OLAP系统中的行为往往有一定的规律．在认定用户的查询意图相对稳定的前提下，分析用户的行为能提高OLAP系统的性能．而在分析用户的行为之前，选择合适的用户查询模型，记录用户的行为显得尤为重要．本文提出一个模型，包含了绝大多数的OLAP系统的操作．该模型可比较完整的记录了用户的查询浏览行为．     

基于Hadoop的搜索引擎用户行为分析

搜索引擎用户行为分析是网络信息检索技术的研究热点.通过分析用户点击行为,利用Web数据挖掘技术获取有用信息,提高搜索引擎的检索算法和检索服务的效率,把用户从大量无序的搜索结果中解放出来.本文针对传统并行计算模型在易扩展和易编程方面遇到的瓶颈,给出一种基于Ha-doop的海量日志数据处理模型,通过基于Hadoop的分布式...     

基于DeepFM的深度兴趣因子分解机网络

推荐系统能够根据用户的喜好从海量信息中筛选出其可能感兴趣的信息并进行排序展示.随着深度学习在多个研究领域取得了良好的效果,其也开始应用于推荐系统.目前基于深度学习的推荐排序算法常采用Embedding&MLP模式,只能获得高阶的特征交互.为了解决该问题,DeepFM在上述模式中加入了因子分解机(Factorizatio...     

基于混合学习策略的多Agent信息过滤系统

针对用户个性化服务的要求,给出了一种基于混合学习策略和BP神经网络的多Agent信息过滤系统实现方案。系统采用蒙特卡罗强化学习算法进行多Agent协作学习,同时运用三层BP神经网络计算用户的满意度,根据算出的满意度对用户兴趣模型进行更新。本系统中用户无须反复提供显示反馈,由Agent跟踪并记录用户的浏览行为而得到用户的隐式反馈信息,从而减轻了用户的负担。     

基于分页缓存模型的用户兴趣跟踪方法

对智能推荐系统中用户兴趣跟踪问题的研究,传统方法如时间窗口、遗忘函数等在表征用户兴趣模型时均未考虑兴趣主题概念相关性,无法充分利用用户历史数据,导致兴趣跟踪不准确。因此,本文提出了基于分页缓存的用户兴趣表征模型,形成基于主题的用户多兴趣域结构,并提出了相应的兴趣迁移检测SIM算法,该算法引入序列熵差,表征兴趣迁移的整体特性。实验表明,与传统方法相比,本文提出的方法具有更低的兴趣平均绝对偏差,能够更准确地表征用户兴趣迁移,从而获得更好的推荐质量和效率。