基于用户兴趣模型的推荐算法

传统的协同过滤算法虽然可以很容易地挖掘出用户的兴趣爱好,但存在数据冷启动和稀疏性问题.针对这些问题,提出一种基于用户兴趣模型的推荐算法.首先通过LDA主题模型训练数据集得到物品-主题概率分布矩阵,利用物品-主题概率分布矩阵得到用户历史兴趣模型,然后结合用户历史行为信息和物品内容信息得到用户兴趣模型,最后计算用户与候选集之间的相似度,进行TOP-N推荐.在豆瓣电影数据集上的实验结果表明,改进后的推荐算法能够更好地处理稀疏数据和冷启动问题,并且明显提高了推荐质量.     

基于位置社会网络的双重细粒度兴趣点推荐

兴趣点推荐是在基于位置社会网络(location-based social network, LBSN)中流行起来的一种全新形式的推荐.利用LBSN所包含的丰富信息进行个性化推荐能有效增强用户体验和提高用户对LBSN的依赖度.针对无显示用户偏好、兴趣非一致性和数据稀疏性等挑战性问题,研究一种针对LBSN的双重细粒度POI推荐策略,即一方面将用户的全部历史签到信息以小时为单位细分为24个时间段,另一方面将每个POI细分为多个潜在主题及其分布,同时利用用户的历史签到信息和评论信息挖掘出用户在不同时间段的主题偏好,以实现POI的Top-N推荐.为实现该推荐思路,首先,根据用户的评论信息,运用LDA模型提取出每个POI的主题分布;然后,对于每个用户,将其签到信息划分到24个时间段中,通过连接相应的POI主题分布映射出用户在不同时间段对每个主题的兴趣偏好.为解决数据稀疏问题,运用高阶奇异值分解算法对用户-主题-时间三阶张量进行分解,获取用户在每个时间段对每个主题更为准确的兴趣评分.在真实数据集上进行了性能测试,结果表明所提出的推荐策略具有较好的推荐效果.     

面向兴趣主题的个性化好友推荐

个性化的好友推荐是促进社交网络服务不断提高的重要途径,在大规模的社交网络环境中,准确地为用户推荐兴趣主题相似的好友能够使得用户的粘性更强,然而海量数据的稀疏性使得现有的大多数社交网络都不能够准确根据用户间兴趣的相似性进行好友推荐。为此,提出一种面向用户兴趣主题的个性化好友推荐方法(ITOR)。该方法首先采用k-core分析法提取用户的兴趣主题,在拥有相似兴趣主题的基础上结合用户属性信息,通过先验概率计算出有相同属性信息的用户成为好友的概率,进一步强化推荐结果的准确性和满意度。最后,通过爬取2015年9月份发布的新浪微博数据进行实验分析,验证了本推荐方法的有效性。     

一种融合用户主题兴趣与用户行为的文档推荐方法

针对单一角度描述用户兴趣存在片面性的问题,该文提出一种融合用户主题兴趣和用户行为的文档推荐方法。一方面从主题兴趣的角度,构建反映用户主题兴趣的主题向量用户模型;另一方面从用户行为的角度,构建反映用户行为兴趣的打分矩阵用户模型。然后,基于上述用户模型提出了两种文档推荐方法,并采用线性加权的方式融合这两种方法,从而实现对用户主题兴趣与用户行为的融合。实验结果表明,该方法的推荐结果好于协同过滤推荐方法和基于内容的推荐方法。     

基于多特征分类的微博好友推荐

现有微博好友推荐算法使用的用户信息比较单一,不能充分利用微博用户信息来刻画用户特征,导致推荐效果不理想。为解决该问题,在综合分析用户标签信息、内容信息、交互信息以及社交拓扑信息的基础上,通过计算主题相关度、兴趣相关度、用户亲密度进行特征挖掘,并采用K最近邻分类算法为目标用户进行微博好友推荐。在新浪微博真实用户数据集上的实验结果表明,该算法的准确率、召回率、F1度量值分别为16.5%,26.8%,19.2%,推荐效果优于基于内容的推荐算法和基于社会过滤的推荐算法。     

基于多特征融合的电影推荐方法

在电影推荐系统中,用户信息和电影内容及用户的行为信息对推荐结果有着至关重要的作用.为提高电影推荐的准确率,文章利用上述信息提出了多特征融合的电影推荐方法.首先,基于深度神经网络提取了用户特征和部分电影内容特征,针对电影内容的海报,利用卷积神经网络提取了海报特征.其次,将用户、电影和用户兴趣特征进行融合,建立了多特征融合...     

多特征融合的兴趣点推荐算法

基于位置社交网络的兴趣点推荐越来越受到工业界和学术界的关注。由于用户签到数据集的稀疏性以及签到地理位置的聚集性，使得目前的推荐算法效率普遍不高，特别是当用户外出到新的地点时，推荐效果更是急剧下降。因此本文提出了一种基于用户-区域-内容主题的多特征联合推荐算法（UCRTM），以隐主题模型为基础，在统一的框架下利用隐含因子关联性融合了用户的偏好、兴趣点的内容以及兴趣点所属地理区域主题等信息来进行推荐，使得用户无论身处何地，都能获得理想的推荐服务。本文在两种真实的数据集上进行了实验，结果表明该方法不仅能够克服数据的稀疏性以及弱语义性等问题，而且与其他方法相比具有更高的推荐准确率。     

结合内容特征提取和弹幕文本的短视频推荐模型构建及仿真

针对现有短视频推荐准确率不高的问题，提出一种融合视频内容与弹幕文本分析的短视频推荐方法。该推荐方法中首先采用LDA模型提取弹幕文本主题，然后提取出短视频内容特征，再根据短视频的高光时刻生成候选推荐列表；在候选推荐列表生成基础上，运用RNN对用户的长期兴趣进行建模，使用门控单元GRU处理短期兴趣，最终提出了一种结合长短期的短视频推荐模型，对用户进行推荐。结果证明，深度学习方法可最大化地获取短视频的内容特征，提高处理效率；结合用户长短期兴趣的短视频推荐模型在准确率、召回率以及MRR平均倒数排名等评价指标上优于其他目前使用广泛的推荐模型。由此说明，提出的推荐方法，可以更好地运用在实际推荐中。     

基于LDA模型的多角度个性化微博推荐算法

通过基于概率的主题挖掘模型隐含狄利克雷分布(LDA)挖掘用户兴趣主题,是目前最常用的用户兴趣主题挖掘方法。为进一步改善用户体验,推荐其感兴趣且质量好、新鲜度高的微博,提出一种新的多角度个性化微博推荐算法。通过微博发布时间、转发数、评论数等特征计算微博重要度,利用LDA模型生成的用户-主题矩阵以及主题-词汇矩阵计算用户对微博的兴趣度,综合考虑微博本身的重要度以及用户对微博的兴趣度对微博进行评分,根据评分结果推荐微博。实验结果表明,该算法与主题模型相结合可有效够提高微博推荐的精准度。     

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.     

结合网站内容和结构进行的Web日志挖掘

提出一种以聚类为基础的Web日志挖掘方法：从Web日志事务、Web站点内容和Web站点结构3个不同方面来聚类页面集合，并通过将用户的访问记录和页面聚集进行匹配和相关度计算，来预测用户感兴趣的页面。     

Web evolution and Web Science

This paper examines the evolution of the World Wide Web as a network of networks and discusses the emergence of Web Science as an interdisciplinary area that can provide us with insights on how the Web developed, and how it has affected and is affected by society. Through its different stages of evolution, the Web has gradually changed from a technological network of documents to a network where documents, data, people and organisations are interlinked in various and often unexpected ways. It has developed from a technological artefact separate from people to an integral part of human activity that is having an increasingly significant impact on the world. This paper outlines the lessons from this retrospective examination of the evolution of the Web, presents the main outcomes of Web Science activities and discusses directions along which future developments could be anticipated.     

一种新型的传感器WEB标准-传感器WEB整合框架

传感器网络有着广阔的应用前景,是目前的研究热点之一.但是由于传感器网络的异构性,将它们互联在一起,达到资源有效分配、共享的目的比较困难.SWE提出了解决该问题的有效方法,并且成为了事实上的工业标准.本文分析了SWE的产生背景,阐述了SWE的组件和体系结构,重点讨论了SWE的信息模型,分析和总结了SWE的重点研究问题以及关键技术的解决思路,介绍了两个典型的研究实例.     

Web3.0网站应用开发

文章首先阐述了Web3.0的发展趋势,然后通过分析国内Web3.0网站,描述了Web3.0技术特性,最后提出了用户在Web3.0网站的搭建个人网站的方法。     

使用框架构建Web应用系统

为了更好地构建易编写、结构清晰、可扩展的Web应用系统，人们提出了大量的Web框架，其中最具代表性的就是Struts。在一定程度上，Web框架达到了这一要求。文中对Struts作了简单的分析和介绍；再结合具体的Web应用要求，以面向对象的设计方法和设计模式的思想为指导，根据这些具体应用的要求和特点扩展了Struts框架。扩展后的框架较好的实现了模式一视图一控制器中的控制器层，同时也解决了一些实际的Web应用系统中的常见的如权限验证、日志记录等问题。     

使用框架构建Web应用系统

为了更好地构建易编写、结构清晰、可扩展的Web应用系统,人们提出了大量的Web框架,其中最具代表性的就是Struts.在一定程度上,Web框架达到了这一要求.文中对Struts作了简单的分析和介绍;再结合具体的Web应用要求,以面向对象的设计方法和设计模式的思想为指导,根据这些具体应用的要求和特点扩展了Struts框架.扩展后的框架较好的实现了模式-视图-控制器中的控制器层,同时也解决了一些实际的Web应用系统中的常见的如权限验证、日志记录等问题.     

基于Web Service实现跨域网站一次登录

Web Service技术由于其特点和优势,在分布式计算中占有重要地位.本文首先简要描述了跨域不同Web站点一次登录的需求,随后简单介绍了Web Service的原理,最后说明了应用Web Service技术解决一次登录的技术方法.     

Web Services与传统Web应用

本文针对Web Services技术实质以及与传统Web应用区别，分别从技术、商务价值和编程实现上进行了比较研究，展现了Web Services的独特之处与应用前景。