用户兴趣模型

摘要： 为解决项目评分矩阵稀疏性问题,提出结合项目特征和用户评分的模糊性特性。首先利用类高斯模糊数描述项目所属类别的隶属度,然后应用梯形模糊数表示用户对项目的喜爱程度构建用户—项目类别偏好矩阵,最后构建基于项目特征的模糊性和用户兴趣的方法计算推荐信任分。在MovieLens 100k数据集上的实验结果表明,当N取1-300时,在不损失top-N推荐召回率的情况下,该算法相较于基于用户和基于项目的协同过滤推荐算法,平均推荐准确率分别提高了39.97%和5.74%,有效解决了数据稀疏性问题,可在历史行为数据较少的情况下,推荐用户感兴趣的项目。

摘要： 用户兴趣模型构建主要结合用户的兴趣爱好信息、游览行为以及用户画像信息等综合分析用户兴趣。用户兴趣模型作为个性化信息推荐环节中的关键部分,也是个性化服务的重要部分,其质量的好坏直接影响着个性化信息推荐服务的水平。为了提高用户兴趣建模的质量,本文引入词向量模型和主题模型来准确表示用户兴趣,提出了一种基于BERT模型和LDA主题模型的用户兴趣模型构建方法。该方法将BERT模型和LDA主题模型融合,在训练过程中,模型不仅能够充分利用整个数据集的上下文信息,还能利用LDA获取隐语义信息,同时通过K-means聚类方法提取用户兴趣。实验结果表明,结合后的用户建模方法能够有效解决微博短文本的稀疏性以及上下文依赖性。与其他方法相比,提高了用户兴趣模型的质量。

摘要： 为了帮助用户更加高效率挖掘出有价值信息,提出一种基于用户兴趣模型的数字多媒体信息智能推送的方法,实验结果表明,所提方法的数字多媒体信息智能推送精度较高,推送时间较短,提高了用户满意度.

摘要： 个性化推荐系统作为大数据时代一种典型的人工智能应用,通过收集用户个人资料建立用户兴趣模型,并基于某些算法向用户推荐其感兴趣的产品或服务.一方面,为获取较好的推荐服务,系统需尽可能多地收集用户个人信息;另一方面,对用户个人信息的收集也充斥着对用户隐私的担忧.本文主要对推荐系统中使用的隐私保护技术进行了综述,并简要介绍了推荐系统中常用隐私保护策略以及相关法律法规.最后尝试给出未来的研究重点与方向.

摘要： 为满足教育培训场景下快速匹配学员与课程课件的需求,提出了一种面向用户兴趣的多维模型,并采用增量数据实现模型更新的方法.该方法依照算法规则,存储生成用户兴趣模型的多个版本,并将最新版本应用于用户兴趣模型的更新计算中,从而尽可能避免重复计算,大幅减少计算量,提升算法效率.采用该方法能够提升兴趣模型的更新速度,建立更加智能化的用户兴趣模型动态管理能力.

摘要： 针对传统跨语言查询扩展方法中存在的问题,提出一种基于用户兴趣模型的个性化跨语言查询扩展方法.该方法利用用户的历史浏览日志信息建立用户兴趣模型,在该模型基础上对初始检索结果进行分析,将初始检索结果文档中与用户兴趣相关度较大的文档作为查询扩展的依据,使扩展后得到的查询关键词更能表达用户的个性化需求.在真实用户搜索日志数据上的实验结果表明,本文算法能更好地满足用户的个性化需求,有效地改善和提高跨语言信息检索的准确率,与未经过个性化查询扩展的跨语言信息检索及现有算法比较,其实验结果的MAP、P@5、P@10值都得到了提高,提高幅度最大可达26.51％.

摘要： 为了实现大学生就业的智能推荐和兴趣匹配,提出基于用户兴趣模型和Apriori算法的大学生就业推荐模型.构建大学生就业的用户兴趣信息采集与大数据分布模型,采用大数据关联信息挖掘方法进行大学生就业的兴趣特征匹配,在关联规则约束控制下,构建大学生就业的兴趣相关性特征量,对大学生就业推荐的兴趣特征大数据进行优化融合处理.采用Apriori算法进行大学生就业推荐的兴趣特征点自适应匹配,通过模糊自适应寻优方法实现对大学生就业行为的优化推荐.仿真结果表明,采用该方法进行大学生就业推荐的可靠性较好,提高了大学生就业的满意度水平.

摘要： 为提高居民自我健康管理能力和健康素养,方便用户更好地了解医疗常识,设计一种基于移动端的医疗常识推荐系统,通过分析内容相似性和用户行为数据为用户提供信息推送服务.系统由移动端和服务器端构成,移动端对用户信息进行采集,并展示推荐结果;服务器端收集来自移动端的数据进行数据分析,构建用户兴趣模型,结合推荐算法和文本处理技术获取推荐内容,并将结果发送到移动端.

摘要： 为了更好地辅助完成家居风格的推荐工作,提出一种基于用户兴趣模型的三维室内家居风格推荐方法.该方法包括三维模型数据采集、家居风格特征定义和风格关联挖掘.通过用户行为数据分析建立用户兴趣模型,结合关联规则挖掘算法中的Apriori算法对三维模型数据集进行关联分析,从而得到家居风格的推荐结果.实验结果表明,提出的方法可以有效完成三维室内家居风格分析,并且推荐结果得到了较好的用户满意度.

摘要： 针对互联网搜索引擎环境中,基于海量搜索历史数据分析用户兴趣的问题,提出一种改进的用户兴趣模型.该模型根据用户搜索的历史数据,结合向量空间模型(VSM)和TF-IDF算法,递归地回溯出用户兴趣权重列表.为解决用户兴趣变化和时间性能的问题,该模型引入时间遗忘机制进行动态更新,并在Hadoop分布式系统架构下利用MapReduce分布式编程模型进行实现.实验结果表明,改进的用户兴趣模型的查准率和召回率都能达到50％,具有较好的可行性和可用性.

摘要： 针对目前个性化服务中用户模型稳定性低、推荐结果不尽人意的现状，在建立基于本体的用户兴趣模型基础上，通过模型更新改善稳定性，建立用户群实现用户模型管理。提出利用矩阵聚类降维分解技术的个性化推荐算法，引入偏好方差的概念计算用户最近邻，进而产生推荐，避免了传统协同过滤算法的数据稀疏性缺陷，提高了推荐质量。最后，结合面向电影的个性化推荐系统，验证了模型及算法的有效性。

摘要： 为了实现基于用户兴趣模型的个性化信息服务，提出了用户兴趣模型的表示和更新机制．本文基于RSs标准的新闻源，用户兴趣模型包括用户兴趣类别和用户兴趣子类，且它们都有对应的兴趣度．通过文本相似判定，自动聚类形成用户兴趣子类．根据用户的显示反馈和浏览行为更新用户兴趣模型，模型的更新包括兴趣子类的更新与兴趣度的更新．该模型的个性化程度高且更新效果好．

摘要： 回顾了用户兴趣模型修正方法,在此基础上提出一种基于用户负反馈的修正方法,以强化模型的边界效应.实验结果表明该方法能够提升网页过滤精度,提高个性化检索效率.

摘要： 针对目前Internet网络中的信息服务的特点,提出了基于RSS的层次结构用户兴趣模型的构建方法.文中详细描述了用户的兴趣模型设计、文本形式设计和模型建立的流程.

摘要： 随着Internet网络的迅猛发展，个性化信息服务越来越成为信息检索领域的研究热点。本文针对用户兴趣模型构建问题，利用用户兴趣树描述用户兴趣，对用户个性化模型进行了研究，并提出了一种兴趣模型调整算法。模拟实验表明，该模型能有效提高信息检索的查准率。

摘要： 民航附加服务是民航业提升消费者旅行体验并获取增值收入的新兴服务领域.民航附加服务的内容丰富性和主动化服务模式使其可以更好地满足旅客的个性化需求.个性化民航附加服务的核心是基于用户兴趣模型的个性化推荐算法.本文首先分析了民航附加服务个性化推荐算法的需求,然后提出了民航附加服务旅客兴趣模型,该模型体现了服务场景、旅客兴趣的动态漂移以及旅客个体和聚类的兴趣;在此基础上提出了民航附加服务的个性化推荐算法,该算法综合考虑了民航旅客选择附加服务时的个性和群体行为模式,并兼顾了商业因素的影响;最后实现了上述兴趣模型和算法并通过民航附加服务平台和仿真实验验证了本文模型和算法的合理性和有效性.

摘要： 随着时代与技术的发展，互联网已经成为进行情报收集的一个重要渠道。传统的搜索引擎没有考虑不同用户的兴趣，因此搜索出来的结果往往无法满足不同用户的特定需求。基于互联网公开情报资料收集与检索的特点，研制开发出一个具有基于知识库与用户兴趣模型的专题搜索引擎，可以非常有效地在权威网站或者指定网站中自动收集相关情报信息，具有快速、全面和准确的特点。

摘要： 基于关键字匹配方式检索的搜索引擎返回结果的准确率、相关度不高,没有考虑不同用户的个性差异。为了提高查询结果的质量和效率,基于用户行为分析的搜索策略研究了根据用户点击行为推导用户兴趣的方法,提出当用户点击结果列表时,利用机器学习方法实时在线的推导用户兴趣模型、分析用户搜索目的并动态更新搜索结果列表,最后给出了评估方法和实验结果。

摘要： 随着当今互联网的蓬勃发展,对特定领域的信息采集和统计的需求也日趋明显,然后信息急速膨胀,使有效定向采集和统计特定领域信息并得到其相应的预测结果成为一个日益重要的研究方向。通过运用汉语分词、潜在语义分析和语义匹配等技术,构造用户兴趣模型,并通过该模型,对Web信息结构分析和未知信息相关性预测来控制信息采集统计过程,在保持定向采集精度的同时使用面向服务的体系架构(SOA),可缩短采集时间、减少存储、加快检索,节约了网络资源.

摘要： 本说明书实施例提供一种训练用户兴趣挖掘模型、用户兴趣挖掘的方法和装置，方法包括：获取多个样本用户构成的关系网络图，关系网络图中具有社交关系的两个样本用户之间具有连接边；根据用户的行为日志特征，确定其初始用户表征向量；将多个样本用户分别对应的初始用户表征向量和关系网络图输入所述图神经网络，得到目标用户的融合用户表征向量；将多个样本用户分别对应的融合用户表征向量输入兴趣分布预测网络，得到各样本用户分别对应的兴趣分布参数；调整网络参数，使得兴趣分布参数所表征的预测兴趣分布与已知的用户兴趣先验分布之间的分布差异减小。对于不活跃的用户，也能有效挖掘用户兴趣。

摘要： 本发明公开了一种基于用户兴趣挖掘的移动终端和用户兴趣挖掘方法，所述移动终端包括：主题空间构建模块，用于基于开发目录项目构建层次主题空间；图像标签标注模块，用于根据所述移动终端的图库中图像的内容，对所述图像标注标签；用户兴趣获取模块，用于将所述标签与所述层次主题空间进行匹配，生成用户兴趣列表。本发明直接由移动终端基于图库中的图片或照片获取用户喜欢的景物、动物、人物等第一手资料，分析挖掘出更加全面和准确的用户兴趣。挖掘出的用户兴趣可以应用于推断用户消费水平、对产品的偏好等，为用户提供更贴心、可靠的产品和服务。

摘要： 本发明涉及一种用户兴趣匹配推送系统及其方法。该系统具备：相互通信交互的移动终端和实时营销匹配系统，所述移动终端用于获取用户的地理位置信息以及收集用户的主动行为信息并且发送给所述实时营销匹配系统，所述实时营销匹配系统对来自所述移动终端的地理位置信息和主动行为信息进行实时分析判断是否对用户推送定向的营销活动通知。本发明能够提供一种基于精准定位技术的用户兴趣精准匹配模型与系统。通过快速抓取用户的实时行为特征，并导入匹配模型进行分析，进而准确地判断该用户消费的可能性，从而为用户提供快速的营销优惠服务，提高用户的消费转化率。

摘要： 本发明涉及到一种用户兴趣向量提取方法、提取模型及计算机系统，属于人工智能领域。基于用户双向反馈的用户兴趣向量提取方法包括有如下步骤：第一步，数据拿到；第二步，特征获得；第三步，模型构建；第四步，模型训练；第五步，模型应用；还涉及一种基于用户双向反馈的用户兴趣向量的提取模型，该提取模型包括有商品特征嵌入层、拼接层、激活网络、池化层和差值模块；还涉及一种计算机系统，该计算机系统中含有用户兴趣向量提取模型，该模型作为计算机程序运行，执行上述提取方法的步骤。本发明的方法充分利用用户双向反馈的数据，构建专门模型来实现用户兴趣向量的精准获取，用更精准的用户兴趣向量来表述用户的兴趣。

摘要： 本说明书实施例提供一种训练用户兴趣挖掘模型、用户兴趣挖掘的方法和装置，方法包括：获取多个样本用户构成的关系网络图，关系网络图中具有社交关系的两个样本用户之间具有连接边；根据用户的行为日志特征，确定其初始用户表征向量；将多个样本用户分别对应的初始用户表征向量和关系网络图输入所述图神经网络，得到目标用户的融合用户表征向量；将多个样本用户分别对应的融合用户表征向量输入兴趣分布预测网络，得到各样本用户分别对应的兴趣分布参数；调整网络参数，使得兴趣分布参数所表征的预测兴趣分布与已知的用户兴趣先验分布之间的分布差异减小。对于不活跃的用户，也能有效挖掘用户兴趣。

摘要： 本发明涉及一种用户兴趣匹配推送系统及其方法。该系统具备：相互通信交互的移动终端和实时营销匹配系统，所述移动终端用于获取用户的地理位置信息以及收集用户的主动行为信息并且发送给所述实时营销匹配系统，所述实时营销匹配系统对来自所述移动终端的地理位置信息和主动行为信息进行实时分析判断是否对用户推送定向的营销活动通知。本发明能够提供一种基于精准定位技术的用户兴趣精准匹配模型与系统。通过快速抓取用户的实时行为特征，并导入匹配模型进行分析，进而准确地判断该用户消费的可能性，从而为用户提供快速的营销优惠服务，提高用户的消费转化率。

摘要： 本发明公开了一种基于用户兴趣挖掘的移动终端和用户兴趣挖掘方法，所述移动终端包括：主题空间构建模块，用于基于开发目录项目构建层次主题空间；图像标签标注模块，用于根据所述移动终端的图库中图像的内容，对所述图像标注标签；用户兴趣获取模块，用于将所述标签与所述层次主题空间进行匹配，生成用户兴趣列表。本发明直接由移动终端基于图库中的图片或照片获取用户喜欢的景物、动物、人物等第一手资料，分析挖掘出更加全面和准确的用户兴趣。挖掘出的用户兴趣可以应用于推断用户消费水平、对产品的偏好等，为用户提供更贴心、可靠的产品和服务。

摘要： 本发明涉及到一种用户兴趣向量提取方法、提取模型及计算机系统，属于人工智能领域。基于用户双向反馈的用户兴趣向量提取方法包括有如下步骤：第一步，数据拿到；第二步，特征获得；第三步，模型构建；第四步，模型训练；第五步，模型应用；还涉及一种基于用户双向反馈的用户兴趣向量的提取模型，该提取模型包括有商品特征嵌入层、拼接层、激活网络、池化层和差值模块；还涉及一种计算机系统，该计算机系统中含有用户兴趣向量提取模型，该模型作为计算机程序运行，执行上述提取方法的步骤。本发明的方法充分利用用户双向反馈的数据，构建专门模型来实现用户兴趣向量的精准获取，用更精准的用户兴趣向量来表述用户的兴趣。

摘要： 本发明涉及用户兴趣模型构建领域，具体涉及一种基于词向量和主题模型的用户兴趣模型构建的方法，包括以下步骤：S1、语料库的构建及数据预处理；S2、构建向量空间模型；S3、构建主题模型；S4、将向量空间模型计算的文本相似性与主题模型计算的文本相似性进行线性结合；S5、通过k‑means聚类算法将相似度高的文本的聚合在一起，从而生成用户兴趣模型。该发明通过对文档进行VSM建模和LDA建模，利用LDA模型提取出文本间的语义信息，结合基于VSM的tf‑idf权重词向量，再将这两种方法进行线性加权融合在一起，实现文本间的相似性有效计算，从而提高用户兴趣模型的质量，同时也解决了传统构建方法存在的缺陷。

摘要： 本申请涉及一种用户兴趣模型构建的方法、系统、电子装置和存储介质，其中，该方法包括：获取用户数据，并在该用户数据上标定观测时间，得到用户观测数据；接着，将用户观测数据输入数据处理模块得到用户观测变化数据集，其中用户观测变化数据集中的各数据包括观测时间的特征、观测时间后预设时间的特征、完成标识符和观测时间后预设时间的响应标识符；最后，通过用户观测变化数据集对时间差分学习模型进行训练，得到训练好的时间差分学习模型。通过本申请，解决了在对用户兴趣进行预测时，存在的兴趣浓度变化刻画不细致的问题，提高了对用户兴趣浓度刻画的准确度。