您现在的位置: 首页> 研究主题> 用户偏好

用户偏好

用户偏好的相关文献在1999年到2023年内共计833篇,主要集中在自动化技术、计算机技术、信息与知识传播、无线电电子学、电信技术 等领域,其中期刊论文431篇、会议论文26篇、专利文献99957篇;相关期刊227种,包括情报理论与实践、情报杂志、现代图书情报技术等; 相关会议24种,包括第15届全国软件与应用学术会议(NASAC2016)、第六届中国计算机学会服务计算学术会议、第九届国际葡萄与葡萄酒学术研讨会等;用户偏好的相关文献由1968位作者贡献,包括孟祥福、岳昆、孟祥武等。

用户偏好—发文量

期刊论文>

论文:431 占比:0.43%

会议论文>

论文:26 占比:0.03%

专利文献>

论文:99957 占比:99.54%

总计:100414篇

用户偏好—发文趋势图

用户偏好

-研究学者

  • 孟祥福
  • 岳昆
  • 孟祥武
  • 李嘉晨
  • 付晓东
  • 文俊浩
  • 格雷戈里·G·罗利
  • 武浩
  • 王亮
  • 王红兵
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

    • 钟毅文; 伊方舟; 曾诚
    • 摘要: 随着互联网信息资源的爆炸式增长,"信息过载"问题日益突出,服务推荐被视为解决"信息过载"问题的一种有效手段。考虑到用户会话中的行为数据一定程度上代表着用户偏好,本文提出了一种新的推荐模型SRGNN,将用户会话中的点击序列抽象为一个有向的会话图,再利用主流的图神经网络对会话图的结构信息进行特征提取,同时使用门限循环神经网络(GRU)提取会话点击序列中的时序信息以及整个会话过程中的兴趣信息,并结合用户会话中最后时刻的兴趣信息为用户进行相关推荐。
    • 潘仁志; 钱付兰; 赵姝; 张燕平
    • 摘要: 潜在因子模型(LFM)以其优异的性能在推荐领域得到了广泛应用。在LFM中除了使用交互数据以外,辅助信息也被引入用于解决数据稀疏的问题,从而提升推荐的性能。然而,大多数LFM仍然存在一些问题:第一,LFM在对用户进行建模时,忽略了用户如何根据其特征偏好对项目作出决策;第二,采用内积的特征交互假设特征维度之间是相互独立的,而没有考虑到特征维度之间的关联。针对上述问题,提出一种新的推荐模型:基于卷积神经网络(CNN)交互的用户属性偏好建模的推荐模型(UAMC)。该模型首先获得用户的一般偏好、用户属性和项目嵌入,然后将用户属性和项目嵌入进行交互,以探索用户不同的属性对不同项目的偏好;接着将交互过的用户偏好属性送入CNN层来探索不同偏好属性的不同维度的关联,从而得到用户的属性偏好向量;接着使用注意力机制结合用户的一般偏好和CNN层得到的属性偏好,从而获得用户的向量表示;最后采用点积来计算用户对项目的评分。在Movielens-100K、Movielens-1M和Book-crossing这三个真实的数据集上进行了实验。实验结果表明,所提模型在均方根误差(RMSE)上与稀疏数据预测的神经网络分解机(NFM)模型相比分别降低了1.75%、2.78%和0.25%,验证了在LFM的评分预测推荐中,UAMC在提升推荐精度上的有效性。
    • 高志君; 郑俊生; 安敬民
    • 摘要: 针对目前的领域概念查询聚类方法中未见考虑用户偏好,提出一种支持用户偏好查询的领域概念图模型。该图模型主要包括两部分:基于概念本身考虑,利用综合语义相似度计算方法构建概念的语义关系图;基于用户查询偏好考虑,采用改进的互信息计算用户生成数据间隐含的查询偏好,将其结果用于补全领域概念的语义关系图。这一处理过程使得原有领域概念的语义关系图得到了有益的补充,满足了用户的偏好查询。经实验验证,该算法较现有方法,查准率、查全率以及F-measure值均有所提高且响应时间得到了降低。
    • 刘广明; 梁永全; 纪淑娟; 李琳
    • 摘要: 在缺乏用户交互互补项目方面数据的情况下,将用户对项目的偏好融合到只考虑项目关系的互补项目推荐中,提高推荐模型的性能。提出一种基于知识图谱的互补项目推荐方法,在用户历史交互项目集中推测用户交互的互补项目,基于知识图谱提取用户对互补项目的偏好,利用图像与文本学习项目之间的互补关系,最后基于神经网络实现两者的共同学习。提出的方法在Amazon数据集上与次优的基线方法相比,ACC提升了7%,precision提升了3%,这说明提出的方法性能优异。该算法共同学习用户对项目的偏好与项目之间的互补关系,提升了推荐性能。
    • 张雷; 郭欣; 张乐乐
    • 摘要: 通过专家访谈法、定量测试、随车深访、小组座谈会等用户研究手段,从使用场景、用户感知维度出发建立用户主观测试方案,测试方案的核心为指标体系、评价方法、测试用例建设,其中指标体系包含座舱硬件、人机交互、系统生态、创新功能四大模块,指标层级为三层,实现对于现有功能和创新功能两个类别的评价测试。研究结合对市场主流智能座舱标杆车型进行实车测试,验证了测试方案的可靠性、合理性,并得到用户对于智能座舱的使用痛点爽点以及创新功能接受度等用户偏好
    • 徐浙人; 李雪莲
    • 摘要: 当前定制衣柜中用户个性化衣柜功能需求没有很好体现,对用户需求的实际情况欠缺考虑,功能细节无差异,为了解决用户功能需求不明确、无法描述清楚自己的需求,通过归纳法,聚类分析等方法针对用户功能需求进行研究,对功能需求相似的人群进行归类分析。最终得到在定制衣柜功能布局推荐中用户类型和产品类型,为设计师的设计提供了方向,为企业生产提供了新的思路。
    • 陶丹; 姚伊; 吴谨汐; 范睿明; 郑晨旺
    • 摘要: 传统的兴趣点推荐通常忽略了用户签到行为中序列模式的重要性,且无法有效地捕捉用户复杂且动态变化的兴趣偏好.由此,本文提出了一种用户偏好和时间序列的兴趣点推荐模型(User Preference&Time Sequence based POI Recommendation,UPTS-PRec).该模型能够分别对短期偏好和长期偏好建模并融合,以捕捉用户兴趣的变化.对于短期偏好,提出了融合时空上下文信息的长短期记忆网络来学习用户签到行为中复杂的序列转移模式,并通过基于目标的注意力机制进一步精确地提取短期偏好.对于长期偏好,基于用户注意力机制以捕捉用户和兴趣点之间细粒度的关系.最后,在Foursquare和Gowalla两个数据集上进行实验仿真.结果表明本文提出的UPTS-PRec模型和主流的推荐方法相比在不同的评价标准上性能有较好的提升,验证了所提出模型的有效性.
    • 徐鹏宇; 刘华锋; 刘冰; 景丽萍; 于剑
    • 摘要: 随着互联网信息的爆炸式增长,标签(由用户指定用来描述项目的关键词)在互联网信息检索领域中变得越来越重要.为在线内容赋予合适的标签,有利于更高效的内容组织和内容消费.而标签推荐通过辅助用户进行打标签的操作,极大地提升了标签的质量,标签推荐也因此受到了研究者们的广泛关注.总结出标签推荐任务的三大特性,即项目内容的多样性、标签之间的相关性以及用户偏好的差异性.根据这些特性,将标签推荐方法划分为3个类别,分别是基于内容的方法、基于标签相关性的方法以及基于用户偏好的方法.之后,针对这3个类别下的对应方法进行了梳理和剖析.最后,提出了当前标签推荐领域面临的主要挑战,例如标签的长尾问题、用户偏好的动态性以及多模态信息的融合问题等,并对未来研究方向进行了展望.
    • 王志刚; 邱长波
    • 摘要: [研究目的]构建政务微博评论用户的画像,直观地展现各群体的典型人物特征,有助于了解各群体用户特征和行为之间的关系,对政府改善微博的管理策略有着重要的意义。[研究方法]使用LDA模型挖掘出用户评论中的偏好主题,并得到每个用户偏好主题的概率分布向量,据此计算出用户的相似度,采用多维标度法实现用户群体的分类,最后利用Logistic回归模型提取出各群体用户的典型特征。[研究结论]政府可以根据用户群体的典型特征,向用户精准推送相关的主题内容,增强政民沟通的效率;不同特点的用户群体的评论会发挥出不同的作用,政府应该采取不同的处理方式,增强公众参与的效果。
    • 冯晨; 吉卫喜; 方磊; 陈琛
    • 摘要: 针对云制造环境下外协服务资源组合如何优化选择这一难题,建立了以服务时间、服务成本、服务可靠性和服务可信性为优化目标的外协云服务组合优选模型。首先在改进非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm-Ⅱ,NSGA-Ⅱ)的基础上,引入融合邻域搜索与模拟退火(Simulated Annealing,SA)算法的局部搜索策略,提出一种混合多目标进化算法即NSGA-Ⅱ-SA算法对模型进行求解。然后采用考虑用户偏好的优选策略对算法结果进行优选,从而得出最符合用户需求的高质量外协云服务。最后结合企业实际案例,验证了优选模型的有效性和算法的可行性。
  • 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