基于用户兴趣本体的数字图书馆个性化检索研究

为满足数字图书馆信息检索中用户个性化需求,本文描述了一个基于用户兴趣本体的个性化检索模型．该模型将用户兴趣本体应用于图书馆检索,包括用户兴趣模型的构建、用户兴趣查询扩展以及个性化检索结果排序等。在用户访问数字图书馆过程中,利用用户兴趣本体来匹配和扩展用户关键词,实现语义化的检索,满足用户个性化需求。     

电脑横机一线成形技术发展与现状研究

电脑横机全成形无缝技术正向着数字化、网络化、智能化方向转型升级,推进绿色发展和智能制造.通过对国内外全成形技术的发展及现状进行研究,总结国内外一线成形技术发展的背景趋势,指出一线成形电脑横机的出现将进一步帮助广大针织企业实现转型升级.同时阐述一线成形技术发展现状,并提出目前发展中存在的局限性以及未来发展方向,对今后电脑...     

基于神经网络的用户视频评分自动获取方法

在未来的智能电视系统中,真正的智能视频推荐应该是不需要用户评分动作就能自动、准确地获得用户兴趣、爱好并做出推荐的系统。研究无评分动作约束下的用户评分(揭示了他们的兴趣和爱好)自动获取技术是真正的智能推荐必须解决的一个关键问题。给出了一种基于神经网络的用户视频隐性评分自动获取方法。基于用户视频观看行为与评分样本的实验结果表明,该方法可以有效地获取用户的隐性评分信息。     

基于Web挖掘的个性化信息检索系统总体设计

随着网络信息的急速膨胀,为了方便用户快速查找所需信息,满足不同用户的个性化需求,在传统的信息检索系统的基础上发展个性化信息检索已成为必然.本文研究了个性化信息检索系统的整体架构设计,描述了该系统的主要功能模块和各个功能模块的工作机制.     

基于本体的个性化信息检索技术研究

针对传统的采用关键词的信息检索方式在个性化方面的不足,提出了一种根据领域本体的个性化信息检索模型.首先获取用户的特征信息,接着利用用户的特征信息构建基于本体的用户兴趣模型,在检索过程中通过领域本体概念和用户兴趣模型对检索请求进行分析并对其进行扩展,获得符合检索意图的结果,在此基础上按兴趣度大小处理后将最终个性化信息检索结果反馈给用户.通过搭建关于本体的个性化检索原型系统,仿真结果验证了改进模型的有效性.     

基于Google的个性化搜索系统的设计与实现

互联网用户使用网络获取信息过程中,搜索引擎已成为必不可少的工具。传统的WWW搜索引擎是“提问——搜索”方式．对于所有用户给出同样的关键宇得到的检索结果都是一样的。本文基于传统搜索引擎Google的基础上,实现了个性化的搜索。论文重点阐述了基于向量空间模型的个性化搜索系统的设计和实现过程。系统返回结果能够根据不同用户的兴趣爱好给出用户满意度较好的结果。     

支持Internet上个性化信息重组与发布的Web挖掘关键技术的研究

Internet上个性化信息的重组与发布是Web个性化技术的一个重要组成部分,这一领域目前存在的主要问题是:并非没有信息重组和发布的工具,而是缺乏能够使这类工具高效工作的支持技术。本文提出一种将流数据处理技术引入Web点击流、IP地址流及页面文本流挖掘和分析过程,研究基于Web数据流挖掘的用户行为和需求分析方法;将本体和领域知识引入Web内容挖掘过程,研究领域知识指导下的Web内容挖掘方法;将基于Web数据流挖掘的用户行为和需求分析与领域知识指导下的Web内容挖掘相结合,研究Internet上Web信息模式和Web用户模型及其相互关系的建立;将上述研究成果应用于实际,以期达到高效地支持Internet上满足用户个性化要求的信息重组与发布的目的。     

构建微博用户兴趣模型的主题模型的分析

分析了不同的主题模型,通过实验比较了3种主题模型构建的微博用户兴趣模型的性能。实验结果表明:TwitterLDA适用于新文档或新用户的预测,AuthorLDA产生的主题具有较高的区分度,而UserLDA和AuthorLDA能更好地反映出用户的社交网络关系。上述工作为进一步研究主题模型如何应用于微博的个性化信息推荐、情感分析和话题检测与跟踪等文本挖掘应用奠定了基础。     

基于特征映射的互联网频繁模式识别算法

提出了一种基于特征映射的互联网频繁模式识别算法,采用特征映射与聚类相结合的方法,解决了SPADE算法不能反映类信息的问题与大量数据聚类时的效率低下,同时,提出了比较合理的频繁模式定量评价体系,从而完成了识别系统的整体设计,对于处理互联网海量用户数据有着相当重要的作用,同时,可以根据此算法提供个性化推荐等服务来提升用户体验.     

基于增加相似度系数的加权二部图推荐算法

基于二部图的推荐算法是个性化推荐领域的一个研究热点,其中,如何科学地利用用户的评分资源,在评分数据不全的情况下对目标用户进行准确高效的推荐是研究难点,也因此受到众多学者的关注。因此,提出了一种以单调饱和函数为权,利用目标用户和其他项目共同评分个数相对用户总数均值的正切值作为传统相似度系数的推荐算法;同时,对调整系数后的相似度进行降序排列,利用前K个最近邻居集对目标用户进行推荐。实验结果表明,改进后的算法提高了推荐的准确性,降低了复杂度。