用户兴趣
用户兴趣的相关文献在1997年到2022年内共计794篇,主要集中在自动化技术、计算机技术、信息与知识传播、科学、科学研究
等领域,其中期刊论文316篇、会议论文33篇、专利文献102630篇;相关期刊166种,包括人天科学研究、情报理论与实践、情报学报等;
相关会议33种,包括信息系统协会中国分会第六届学术年会、2015中国计算机网络安全年会、SCEG2015研讨会(2015年“计算机科学与技术及教育技术“学术研讨会)等;用户兴趣的相关文献由1653位作者贡献,包括刘永利、张一鸣、曹欢欢等。
用户兴趣—发文量
专利文献>
论文:102630篇
占比:99.66%
总计:102979篇
用户兴趣
-研究学者
- 刘永利
- 张一鸣
- 曹欢欢
- 罗立新
- 郭文忠
- 王璐
- 刘孟
- 刘建勋
- 吕庆春
- 姚江超
- 崔志明
- 张天魁
- 张娅
- 张敏
- 彭飞
- 徐华
- 徐科
- 李伟
- 杨莹
- 王亮
- 王巍
- 王延峰
- 王玮
- 程显毅
- 许可
- 许翀寰
- 郑相涵
- 郭奇
- 陈庭贵
- 陈旭
- 陈韬
- 韩军
- 马力
- 黄国景
- 具暻模
- 刘岩
- 刘文军
- 卜佳俊
- 吴文杰
- 周刚
- 周成举
- 孙知信
- 安真明
- 席运江
- 廖祝华
- 张仁宇
- 张健
- 张旭
- 徐亮
- 操晓春
-
-
徐明远
-
-
摘要:
针对大量试题造成信息过载,导致试题推荐的个性化程度不高、效率低下等问题,根据认知诊断、数据挖掘及自然语言处理等交叉领域的研究,提出一种基于遗传算法的试题推荐方法TCEGA。该方法根据认知诊断模型确定试题与知识点的关联状况,对学生的试题掌握水平进行建模;结合隐含语义分析方法对试题库的数据进行处理,根据试题难度为学生推荐相应的试题。TCEGA考虑了受推荐学生在学习方面的个性,同时考虑了群组学生在学习方面的共性,以提高试题推荐的合理性与准确性。对比实验结果表明,该方法在试题推荐时的准确率达到90.17%,相比传统SOM算法的准确率提高了11.79%,可广泛应用于在线学习的试题推荐场景。
-
-
孙海瑞;
朵琳
-
-
摘要:
针对Web服务质量预测精度受数据稀疏与噪声数据的影响问题,提出了一种基于随机森林与用户兴趣概念格的Web服务质量预测方法。首先利用历史数据的均值、方差以及用户与服务的经纬度特征构建随机森林分类模型;其次基于同一分类结果构造用户兴趣概念格划分相似邻居,并采用一种改进的相似度计算方法分别计算直接相似邻居和间接相似邻居的相似度;最后采用改进的协同过滤算法进行服务质量预测。在真实的数据集上进行实验,实验证明该方法有效缓解了噪声数据对预测结果的影响,并在较高的数据稀疏度下具有更好的预测准确度。
-
-
方闽江
-
-
摘要:
近年来,移动电子商务迎来了强劲的发展势头,给用户带来了更为便捷化、多样化的购物体验,线上交易已经成为人们消费的主要模式。与此同时,随着移动电子商务规模逐年扩大,电商平台与商家数量也在急剧增长,如何找到满足用户兴趣的移动电子商务个性化推荐路径至关重要。因此,本文立足于用户兴趣视角,在论述移动电子商务个性化推荐现状与基本理论的基础上,引入基于移动电商用户兴趣的三维空间模型,探讨在该模型基础上实现移动电子商务个性化推荐的路径。
-
-
陈晋鹏;
胡哈蕾;
张帆;
曹源;
孙鹏飞
-
-
摘要:
推荐系统如今已被广泛应用于生活中,大大便利了人们的生活。传统的推荐方法主要是针对用户与物品的交互情况进行分析,分析用户与物品的历史记录,得到的只是用户过去对于物品的喜好程度。序列化推荐系统通过分析用户近一段时间与物品交互的序列,来考虑用户前后行为的关联性,能够获得用户短期内对物品的喜好程度。然而,序列化方法强调的是用户与物品在短期的联系,忽视了物品属性之间存在的关系。针对以上问题,文中提出了融合时间特性和用户偏好的卷积序列化推荐(Convolutional Embedding Recommendation with Time and User Preference, CERTU)模型。该模型能够分析物品之间存在的多样性关系,从而捕获用户对物品随时间变化的动态喜好程度这一特性。除此之外,该模型进一步考虑了物品序列中存在的单个物品和多个物品对下一物品推荐的影响。实验结果表明,CERTU模型的性能优于当前的基线方法。
-
-
耿秀丽;
王著鑫
-
-
摘要:
现有差分隐私推荐算法在计算相似度时,直接根据用户—方案数据进行计算,而忽略了方案属性对用户偏好的影响,没有反映用户的真实偏好,不能进行准确推荐。针对此问题,提出考虑用户兴趣分析的差分隐私推荐方法。该方法首先收集用户对方案属性的兴趣评分,其次使用K-means++对用户—方案属性评分数据进行聚类,然后采用差分隐私算法选择近邻用户,并为目标用户推荐适合的方案。最后,以养老院方案推荐为例予以验证。实验结果显示:与KDPC、DPCF、PNCF相比,所提算法在相同隐私预算下,平均绝对误差下降约19.0%、34.0%、37.7%;在相同近邻集合尺寸下,平均绝对误差下降约10.4%、20.3%、21.4%。因此,该算法在保护了用户隐私的基础上,进一步提高了推荐精度。
-
-
沈佳琪;
周国民
-
-
摘要:
针对跨社交网络的同一用户识别问题,提出了一种综合用户兴趣、写作风格和档案属性的识别方法。通过在这3种不同的特征维度下分别判定用户关系,然后综合判定结果 ,提高同一用户识别准确性。其中,用户兴趣分为静态兴趣和动态兴趣,静态兴趣采用TextRank算法从用户背景信息中提取,动态兴趣则利用主题模型从用户发表的文本内容中挖掘出随时间变化的兴趣点。对于用户写作风格则通过One-Class SVM算法进行识别,最后利用信息熵赋权法比较用户档案属性相似度。实验结果表明,与传统机器学习算法相比,所提算法精确率、召回率均有所提升。
-
-
高宇航
-
-
摘要:
根据汽车之家研究院调研,六成以上用户的兴趣会影响其选车决策。COS、JK风、LO圈、BJD、闪卡等新兴兴趣在持续蔓延,多元化兴趣对用户买车产生什么影响?Z世代人群的兴趣点究竟是什么?汽车之家研究院近期推出《中国汽车潮流观察-兴趣向》(以下简称《报告》),从用户购车偏好变化、汽车用户兴趣爱好洞察、汽车用户兴趣消费洞察以及汽车设计用户偏好洞察等方面解读用户兴趣对选车的偏好影响。基于整体分析,《报告》得出8项重要结论:汽车消费降级显现.
-
-
彭建
-
-
摘要:
为实现高校图书资源的准确推送,本文提出了一套基于《中国图书馆分类法》的高校图书馆用户兴趣模型。本文详细介绍了用户兴趣模型的设定与更新方法,并运用《中国图书馆分类法》和《汉语主题词表》来确定文献主题词,进而建立基于主题词的文献特征向量,在此基础上计算文献特征向量与用户兴趣特征之间的相似度,最终实现文献资源的精确推送。
-
-
季德强;
王海荣;
李明亮;
钟维幸
-
-
摘要:
在现有基于知识图谱的推荐方法中,大多采用单一用户或项目表示,在合并来自知识图谱的实体时,用户或项目表示所携带的信息容易丢失,用户兴趣欠拟合,进而导致模型的次优表示。为此,该文提出了融合用户-项目的邻居实体表示推荐方法,联合用户和项目的特征表示挖掘用户更感兴趣的内容,使用TransR模型在知识图谱中进行实体传播,获取用户的嵌入表示;使用GCN聚合候选项目在知识图谱的邻域实体,获取项目的嵌入表示。为验证该文方法的有效性,在MovieLens-20M、Book-Crossing、Last-FM公共数据集上进行了实验,并与Wide&Deep、RippleNet、KGAT等10种方法进行了对比,实验结果表明,该文方法的平均AUC和ACC分别提升约8.75%和7.10%。
-
-
王永贵;
王阳;
陶明阳;
蔡永旺
-
-
摘要:
近年来,基于会话推荐系统(session-based recommender system,SRS)的应用和研究是推荐系统的一个热门方向。如何利用用户会话信息进一步提升用户满意度和推荐精确度,是基于会话推荐系统的主要任务。目前大多数SBR模型仅基于目标会话对用户偏好建模,忽略了来自其他会话的物品转换信息,导致无法全面了解用户偏好。为了解决其局限性,提出融合全局上下文信息注意力增强的图神经网络模型(global context information graph neural networks for session-based recommendation,GCI-GNN)。该模型利用所有会话上的物品转换关系,更准确地获取用户偏好。具体而言,GCI-GNN从目标会话和全局会话学习物品向量表示。使用位置感知注意网络,将反向位置信息纳入物品嵌入中。考虑会话长度信息学习用户表示进而达到更有效的推荐。在Diginetica和Yoochoose数据集上进行实验,实验结果表明,相对最优的基准模型,GCI-GNN模型在Diginetica数据集各项指标上的提高超过2个百分点,在Yoochoose数据集上,GCI-GNN模型在各项指标上的提高超过1个百分点,验证了GCI-GNN模型的有效性。
-
-
Zhou Zhi;
周知;
Zha Mengjuan;
查梦娟
- 《2016年全国情报学博士生学术论坛》
| 2016年
-
摘要:
针对不同主题下资源数量的差异对用户兴趣建模存在影响的提问,提出一种基于主题热度的兴趣建模优化策略,以提升模型的预测能力与推荐系统的推荐效果.以主题下不同资源的数量代表该主题的热度,以此对用户兴趣特征进行调权处理,并在此基础上利用向量空间模型进行兴趣表示.以抓取的"豆瓣电影"675351位用户的现影数据进行推荐实验,验证本文策略的效果.实验结果显示,基于主题热度调权的兴趣建模方法的推荐准确率明显高于传统基于绝对频次的兴趣建模方法,该策略可以对用户兴趣建模工作起到优化效果.
-
-
冯浩源;
李敏强;
田津;
陈富赞;
冯楠
- 《信息系统协会中国分会第六届学术年会》
| 2015年
-
摘要:
用户兴趣建模是推荐系统的重要组成部分,也是推荐算法设计的主要研究内容之一.在现实中用户的兴趣不是一成不变的,随着用户在某一兴趣领域中消费记录的增加,其在该领域的兴趣也会发生变化.本文分析了用户兴趣变化的影响因素,设计了用户购买历史与用户兴趣之间的关联函数,并通过高维二元聚类算法和数据拟合方法预测用户兴趣的动态演化,进而实现个性化的商品推荐.实验表明,利用用户兴趣演化模型比传统的协同过滤模型有更好的推荐预测效果.
-
-
-
任恒妮
- 《2017年西南三省一市(贵州、重庆、四川、云南)自动化与仪器仪表学术年会》
| 2017年
-
摘要:
随着电子商务和大数据技术的发展,在信息超载的情况下,如何提升营销的效率,更加全面的结合用户的喜好对产品进行推荐,成为关注的重点.针对上述的需求,结合用户的兴趣特征,提出一种基于隐式特征的用户兴趣协同过滤算法.对此,文章首先对隐语义模型进行分析,对用户特征和物品特征的提取;其次,通过协同过滤算法,计算两者之间的相似度;最后,通过预测的准确率来对上述构建算法的正确性和可行性的进行判定,验证了算法可提高预测的准确行,具有一定的工程借鉴价值.
-
-
-
Liu Jingyu;
刘婧珏;
Hu Li;
胡丽
- 《第27届全国计算机新科技与教育学术会议》
| 2017年
-
摘要:
电子商务网站推荐系统中,将用户兴趣分为长期兴趣和短暂兴趣,本文提出了一种基于长期兴趣和短暂兴趣的用户复合偏好表示法,通过用户反馈信息修正"粗糙"的用户偏好文档,使得用户偏好文档更新得以实现,结合用户短期和长期偏好的复合模型对用户喜好进行针对性的个性化推荐,并对比现有Senti-HowNet的情感偏好法验证了该方法有较高的推荐准确率.
-
-
LIU Wei;
刘玮;
HE Min;
贺敏;
MA Hong-yuan;
马宏远;
WANG Bo;
王博;
WANG Li-hong;
王丽宏
- 《2015中国计算机网络安全年会》
| 2015年
-
摘要:
微博转发是消息在微博网络中得到持续传播的重要方式,微博转发预测对微博突发性检测和微博影响力评估具有重要意义.现有微博转发预测大多集中在消息属性及传播网络特征的研究,而微博是否会被转发与用户个体行为具有紧密相关性,本文从微博对用户的能见度和用户兴趣角度,研究用户对于上游用户单条微博的转发行为预测问题.(1)提出了基于用户活跃期和动态时间窗的转发行为、忽略行为、未接收行为识别方法;(2)提出了基于兴趣衰减的用户动态兴趣计算模型,有效度量用户兴趣及其变化特性对用户转发行为的影响程度;(3)提出了用户转发率、交互频率等用户行为特征,有效度量了用户历史行为模式和用户影响力传递效应的差异性对用户转发行为的影响,最后建立基于分类模型的转发行为预测方法,在真实数据上的实验结果表明,本方法能够准确预测用户是否会转发其上游用户的微博.
-
-
-
马玉敏;
顾倩颐
- 《第十四届教育技术国际论坛》
| 2015年
-
摘要:
网络学习资源快速膨胀满足了成人自主学习要求和资源多样性,同时也出现了信息爆炸和选择迷航现象.为了提高资源的使用率,远程学习系统必须具有智能挖掘性和个性化服务.普通的个性化检索不能根据用户的知识水平层次提供难度适宜的资源.因此提出构建远程学习者档案资料库,依靠概念关系两次过滤学习资源,实现个性化检索.考虑了远程学习者理解能力差异性,从用户兴趣和资源难易度两方面智能筛选学习资源,满足学习者远程学习个性化检索要求.
-
-
LIU Qifei;
刘奇飞
- 《第31次全国计算机安全学术交流会》
| 2016年
-
摘要:
伴随Web2.0时代的到来,微博的盛行给公安工作带了许多机遇和挑战.为了高效掌控微博用户关系数据,以便服务于安全预警、犯罪预防、案件侦破等诸多公安业务,文章首先从宏观层面明确了基于兴趣的微博用户关系分析系统的定位和意义,并设计了该系统的功能和层次结构.然后,文章重点研究了系统的两个核心技术模块,一是以微博用户的兴趣作为切入点,利用基于k-means聚类算法(包含PCA降维算法的预处理)和基于图关系算法对微博用户进行社群分类,二是利用重要结点分析技术对社群中的用户进行重要性分析.文章研究的系统理论上可以将微博用户按照需求划分成不同的群组,并且找出每个群组中的关键用户,给后续的公安工作提供许多的便利和支撑.