基于协作过滤的个性化服务技术研究

随着网络的普及和发展以及网络信息量的日益增加,为广大用户提供个性化服务显得尤为必要.在对个性化服务技术相关知识进行概述的基础上介绍了协作过滤信息推荐技术的基本原理、分类、所面临的困难等,并对国内外研究现状等进行了综述.最后时基于协作过滤的个性化服务技术进一步的研究工作进行了展望.     

Internet上的个性化信息服务

在浩如烟海的混乱的信息世界中;人们逐渐迷失了方向、于是人们开始寻找一种有效的方式;以带领人们在信息海洋中确认正确的方向,以充分利用这些宝贵的资源。个性化信息服务是一个非常好的出路。在张扬个性,倡导创造性的现代信息社会,个性化服务更是倍受人们的关注和青睐。那么究竟什么是个性化信息服务呢？对于这个概念,我们通过逐层的分析,对其进行揭示。     

WEB个性化服务中的协作过滤技术的研究

了解用户兴趣是实现WEB个性化服务的基础.本文提出一种新的用户兴趣度计算方法,并在此基础上实现基于兴趣度的协作过滤.该方法通过寻找相似用户群体,由相似用户群体来预测用户对某一WEB文档的喜好,并进行推荐,从而实现WEB个性服务.实验结果表明,该方法能提供较好的WEB个性化服务.     

基于VSM的个性化信息过滤算法的研究

针对当前搜索引擎“所有用户,同一结果”模式的不足,分析了用户兴趣模型与文档的权值特征,在研究基于向量夹角余弦相关度排序算法的基础上,引入重要度因子,结合文档结构、查询请求及用户兴趣模型等信息,提出了一种基于VSM的个性化信息过滤算法,以实现个性化检索的目的,提高检索系统的查准率。     

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的个性化信息服务系统的开发与设计

文章针对现有搜索引擎技术的不足,提出了一个个性化信息服务系统开发模型,并给出了该模型的工作原理,论述了该模型所采用的关键技术。     

基于Agent的个性化信息服务技术的研究

随着网络资源的不断丰富和网络信息量的不断膨胀，现有搜索引擎技术已难以满足人们查找信息的需求。如何为用户提供更为满意的、符合其个性化的信息服务，已成为一个重要的研究课题。本文针对这一情况，提出了基于Agent的个性化信息服务技术，并对其基本原理进行了阐述，构建了一个多Agent的模型系统。最后，对当前存在的问题进行了总结。     

信息过滤技术研究

As the rapidly growing information on Web, information filtering techniques have been more and more widely used. This paper introduces two main filtering methods ,named content-based and collaborative filtering; con-trastively describes the key techniques in information filtering,inchiding the representation,creation and rebuilding of user profile ,and similarity computing.     

个性化信息服务模式探讨

从分析个性化信息服务的特点入手，提出了实现个性化信息服务的几种模式。     

E-Learning中个性化信息服务用户模型的研究

在网络学习中,用户模型的设计非常重要.为了更好地为用户提供个性化的学习资源服务,更准确地描述用户的兴趣,提高学习效率,设计了一种基于学科知识点有向图的用户兴趣模型.文章详细介绍了用户模型的建立、优化和知识点关联度的计算.试验结果表明,所设计的模型是可行和有效的.     

信息过滤中用户模型的表示方法

以报道互联网上突发事件的新闻为研究背景，以个性化服务中的关键技术之一用户模型的表示方祛为目标，运用面向对象的技术对用户模型的表示进行了尝试性探索。实验结果表明，这种探索有一定的实际作用。     

基于特征选择的自适应信息过滤研究

提出了一种新的、基于用户反馈的、构建用户模板的方法,它不同于传统的方法将用户兴趣当作单模板来处理。引入了特征选择技术,能够对用户横板进行动态调整,并构建了自适应的单模板和多模板系统,能够更准确地表示用户兴趣和定位相关信息。     

融合多系统用户信息的协同过滤算法

为了提高新用户服务的预测准确率,提出一种融合多系统用户信息的协同过滤算法。该算法通过将多个系统的用户信息融合到低维流形中为用户寻找邻居和推荐项目,并介绍流形学习算法在推荐服务中的应用过程。通过对比实验,结果表明该算法比传统协同过滤算法能更有效、准确地为新用户提供推荐。     

以本体构造中文信息过滤中的需求模型

在信息过滤系统中,用户模板是机器可理解的用户需求表示形式,是否能准确地反映出用户的真实需求将直接影响着过滤系统的性能。在向量空间模型中,用户的模板表现为一组带权重的特征词集,但由于在这样的用户模板中缺少必要的语义信息,很难准确地反映出用户的需求。本文提出了以本体构造需求模板的方法,以本体的形式定义需求中概念间的语义关联关系,将向量空间模型中的特征向量定义为本体中的实例,通过实例间的关联路径计算特征项间的语义关联,并通过特征项间的语义关联计算出文档与模板的语义关联度。     

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。     

信息过滤中用户兴趣模型的表示

用户兴趣模型的表示是信息过滤中的关键技术,它直接关系到过滤效果的好坏。比较了三种不同的用户兴趣模型:传统的关键字表示法、固定文章集法F D S (文章表示法)和基于示例法(段落表示法) ,并对它们进行了实验分析,得出后两种方法要优于第一种的结论。其技术的关键在于如何描述和更新用户的兴趣模型。     

电子商务环境下信息过滤中用户偏好调整算法

对信息过滤过程进行了分析,包括定义用户偏好、接受信息输入流、过滤以及用户反馈环节。在此基础上,分析了网络环境下群体决策信息收集与过滤的特点,提出决策信息过滤中用户偏好生成及自适应调整算法。     

结合似然关系模型和用户等级的协同过滤推荐算法

针对传统协同过滤推荐算法的稀疏性、扩展性问题,提出了结合似然关系模型和用户等级的协同过滤推荐算法.首先,定义了用户等级函数,采用基于用户等级的协同过滤方法,在不影响推荐质量的前提下有效提高了推荐效率,从而解决扩展性问题;然后,将其与似然关系模型相结合,使之能够综合利用用户信息、项目信息、用户对项目的评分数据,对不同用户给出不同的推荐策略,从而解决稀疏性问题,提高推荐质量.在MovieLens数据集上的实验结果表明,该算法比单纯使用基于似然关系模型或传统协同过滤技术的推荐算法,不仅推荐质量有所提高,推荐速度比传统协同过滤算法明显加快.     

基于VSM的自适应信息过滤系统的研究与设计

为了从网络动态信息流中获得感兴趣的内容或过滤掉无关的垃圾信息,设计了一个基于向量空间模型的自适应信息过滤系统;描述了该系统的结构和工作流程;对该系统实现的关键技术,包括文本表示、用户模板与过滤阈值初始化、特征项选取、自适应过滤算法、模板更新和阈值调整等进行了深入的分析和研究。     

Information Filtering Using User's Context on Browsing in Hypertext

Browsing is one of the most popular ways to gather information in database with hypertext structure. In order to support a user to browse, modeling of the user's interests is one of the most important issues. Although there are several promising methods to infer the interests from the user's browsing behavior, they assume that the interests are consistent during the browsing. However, the user's interests are often strongly dependent on the local context of the browsing. This paper describes a method to model the user's shifting interests from the browsing history. An information filtering method using the model of the interests has been implemented. We call it ‘context-sensitive filtering’. The results of an experimental evaluation, by real users' browsing for an encyclopedia in CD-ROM format, are also reported. This revised version was published online in July 2006 with corrections to the Cover Date.