您现在的位置: 首页> 研究主题> 个性化搜索

个性化搜索

个性化搜索的相关文献在2003年到2022年内共计186篇,主要集中在自动化技术、计算机技术、科学、科学研究、贸易经济 等领域,其中期刊论文106篇、会议论文8篇、专利文献583205篇;相关期刊82种,包括人天科学研究、中国商贸、中国电子商务等; 相关会议8种,包括第九届中国通信学会学术年会、2012年第三届中国计算机学会服务计算学术会议、第六届全国信息检索学术会议等;个性化搜索的相关文献由332位作者贡献,包括窦志成、刘智满、徐颂华等。

个性化搜索—发文量

期刊论文>

论文:106 占比:0.02%

会议论文>

论文:8 占比:0.00%

专利文献>

论文:583205 占比:99.98%

总计:583319篇

个性化搜索—发文趋势图

个性化搜索

-研究学者

  • 窦志成
  • 刘智满
  • 徐颂华
  • 文继荣
  • 江浩
  • 潘云鹤
  • 王敏
  • 暴琳
  • 刘岩
  • 姚菁
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

    • 胡培培
    • 摘要: 近年来,MOOC平台课程数量呈指数级增长,如何根据学习者的特征从海量课程中快速为其推荐个性化的学习资源已成为MOOC平台亟待解决的问题。分析了近年来国外MOOC推荐系统研究热点,介绍了MOOC混合推荐系统的四种算法,实现了以个性化搜索引擎和以语义推荐为主的四层架构设计和功能算法,并通过“电动汽车”案例进行流程解释和测试。测试结果表明,该系统具有较好的使用效果,利用关联开放数据云技术和语义推荐算法能够有效地扩大数字教育资源的搜索范围,为学习者推荐更多需要的课程或学习资源。
    • 宋毅
    • 摘要: 主要研究了基于深度学习技术挖掘用户搜索主题相关的感兴趣内容.通过深度挖掘算法分析用户搜索记录、查询历史以及用户感兴趣的相关文档视为用户搜索主题数据的来源,进而挖掘兴趣主题.挖掘模型主要采用向量空间模型,将用户搜索主题模型表示成用户搜索主题向量形式.形成主题和用户兴趣关系网,用户搜索主题向量的构造过程:选择一组用户查询词,并对它们进行深度挖掘分类,最后用它们构造用户搜索主题特征向量,进而分析用户兴趣点.结合用户随着时间的变化,以及过程中有不用的搜索词,以及无关的搜索噪声词去掉,调整兴趣度,用户搜索主题需要具有更新学习机制,动态跟踪了用户兴趣变化趋势.该用户搜索主题研究过程克服了数据稀疏、类别偏差、扩展性差等缺点.实验结果表明,该模型识别用户搜索主题准确率良好.
    • 摘要: 现任浙商基金基金经理。博士毕业于香港科技大学计算机系AI实验室。曾创立华大基因弹性计算实验室;后任百度个性化搜索负责人,创立机器学习深圳分部;通联数据智能投研总监,萝卜投研创始人。致力于人工智能技术在各个垂直领域的应用,拥有15年研究和实战经验,目前也是国内量化基本面研究和智能投资的推动者。
    • 张强; 王国军; 张少波
    • 摘要: 在明文环境下根据用户的兴趣模型以及查询关键词能够获得用户个性化的搜索结果会导致敏感数据和用户隐私信息的泄露,不利于含有敏感数据的云搜索服务的推广,鉴于此,数据通常以密文的形式存储在云服务器中.用户在使用云搜索服务时,希望在海量的密文中快速地获得自己想要的搜索结果.为了解决这一问题,在个性化搜索中提出了一种基于多边缘服务器的隐私保护方法,该方法通过引入多个边缘服务器,并通过切割索引与查询矩阵,实现了在边缘服务器上计算部分用户查询与部分文件索引之间的相关性得分,云服务器只需要将边缘服务器上得到的相关性得分做简单处理即能返回与用户查询最相关的前K个文件,使其特别适用于大量用户在海量密文中的个性化搜索.安全分析和实验结果表明,该方法能很好地保护用户的隐私以及数据的机密性,并具有高效的搜索效率,能为用户提供了更好的个性化搜索体验.
    • 张强; 王国军
    • 摘要: 在基于位置服务的个性化搜索中,利用可信第三方服务器以及对等节点是保护用户隐私的主要方法,但在现实生活中,它们却是不完全可信的.为了解决这一问题,该文提出一种个性化搜索中基于位置服务的隐私保护方法.该方法通过转换用户的位置信息,并根据用户的查询类型生成用户模型,进而形成带有用户位置信息的查询矩阵,然后利用矩阵加密用户的查询,隐藏查询矩阵中的用户信息,最后根据安全内积计算返回相关性得分最高的前K个查询文件给用户.安全性分析表明该方法能有效地保护用户的查询隐私和位置隐私,通过分析与实验表明,该方法大幅度地缩短了索引构建时间,降低了通信开销,同时为用户提供了基于位置的个性化搜索结果,一定程度上解决了移动设备屏幕小带来的弊端.
    • 王月盈
    • 摘要: 淘宝个性化搜索排名规则使淘宝商品的搜索排名结果呈现出"千人千面"的状态,本文在对淘宝网个性化搜索排名规则进行研究的基础之上,通过调查发现电商专业学生淘宝店铺运营过程中存在定位不明、选款不当、定价不合理、装修本末倒置、推广渠道不精准、缺乏客户关系管理能力及迷信高信誉高销量等问题,旨在找出解决对策,保障学生网店的良性运营,促进电商网上创业实践课程的顺利开展.
    • 孙晓燕; 朱利霞; 陈杨
    • 摘要: 根据用户实施的人机交互行为而隐式地获取用户偏好的交互式进化优化算法,可有效减轻用户疲劳,提高个性化搜索或推荐的效率.但是,已有研究没有考虑用户交互行为和偏好的不确定性,影响了对用户偏好的拟合精度以及基于该偏好表达的进化搜索.针对该问题,提出基于可能性条件偏好网络的交互式遗传算法,以刻画用户交互行为和偏好的不确定性,并提高算法的搜索性能.首先,采用交互时间表示交互行为,考虑交互行为的不确定性,给出交互时间可信度的定义,并基于该定义给出了用户不确定偏好的表达函数;其次,利用可信交互时间和偏好函数,定义了用户对评价对象的偏好权重,并利用该权重,设计(更新)可以定量表示用户不确定偏好的可能性条件偏好网络,以更好地拟合用户偏好;然后,结合评价不确定性和可能性条件偏好网络,提出了改进的个体适应值估计策略,以更好地引导搜索;最后,将所提算法应用于图书个性化搜索中,结果表明了算法搜索的可靠性和高效性.%Interactive evolutionary algorithms with user preference implicitly extracted from interactions of user were more powerful in alleviating user fatigue and improving the exploration in personalized search or recom -mendation.However,the uncertainties in user interactions and preferences have not been considered in the previous research,which might greatly impact the reliability of the extracted preference model,as well as the effective exploration of the evolution with that model.Therefore,an interactive genetic algorithm with probabi-listic conditional preference networks(PCP-nets)was proposed,in which,the uncertainties were further fig-ured out according to the interactions,and a PCP-net was designed to depict user preference model with higher accuracy by involving those uncertainties.First, the interaction time was adopted to mathematically describe the relationship between the interactions and user preference,and the reliability of the interaction time was fur-ther defined to reflect the interactive uncertainty.The preference function with evaluation uncertainty was es-tablished with the reliability of interaction time.Second,the preference weights on each interacted object were assigned on the basis of preference function and reliability.With these weights, the PCP-nets were designed and updated by involving the uncertainties into the preference model to improve the approximation.Third, a more accurate fitness function was delivered to assign fitness for the individuals.Last,the proposed algorithm was applied to a personalized book search and its superiority in exploration and feasibility was experimentally demonstrated.
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号