兴趣模型
兴趣模型的相关文献在2002年到2022年内共计150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104篇、会议论文9篇、专利文献149608篇;相关期刊68种,包括人天科学研究、城市建设理论研究(电子版)、情报理论与实践等;
相关会议9种,包括2012年第三届中国计算机学会服务计算学术会议、2011年中国智能自动化会议、《图书情报工作》杂志社、图书情报工作研究会第25次图书馆学情报学学术研讨会等;兴趣模型的相关文献由304位作者贡献,包括周浩、邓夏玮、熊璋等。
兴趣模型—发文量
专利文献>
论文:149608篇
占比:99.92%
总计:149721篇
兴趣模型
-研究学者
- 周浩
- 邓夏玮
- 熊璋
- 刘永利
- 张品
- 蒲菊华
- 万仁辉
- 伍盛
- 刘国师
- 单蓉
- 吴文敏
- 周张兰
- 夏春燕
- 姚兴苗
- 孟芳
- 常明
- 康海燕
- 张卫丰
- 张春升
- 彭利园
- 徐宝文
- 徐泽平
- 朱明
- 李冰
- 李振星
- 李楠
- 李清华
- 李红
- 李颖
- 杜军平
- 欧阳元新
- 沈亮
- 涂丹丹
- 牛秦洲
- 王庆福
- 王玉伟
- 王蕊
- 程久军
- 胡光岷
- 苏惠明
- 蒋昌俊
- 袁满
- 许可
- 费洪晓
- 赵建立
- 连锲
- 郭博林
- 闫春钢
- 陆鑫
- 陈冲冲
-
-
王龙;
杨敬旗;
田思雨
-
-
摘要:
高校就业信息系统中存在大量的企业招聘信息,这些信息为毕业生提供了大量的就业机会.但是对于没有工作经历的学生来说,面对纷杂的信息,常常在选择上出现迷茫,因此需要在系统中添加个性化的信息推荐服务,向学生推送符合其自身特点的就业信息,以此来提高学生的就业率和就业匹配度.针对面向学生的就业信息推荐问题,提出一种基于学生行为分析的就业信息推荐方法.首先,给出个性化就业信息推荐服务模型;然后,分别从行为信息统计方法、学生兴趣模型建立、稀疏评分矩阵填充和就业信息预测推荐4个方面说明基于学生行为分析的就业信息推荐具体算法流程.在真实数据集上的实验证明,个性化推荐算法具有较高的正确率和召回率,可以有效地提高就业信息推荐服务的质量和效率,符合就业信息系统的智能化需求.
-
-
-
屠守中;
闫洲;
卫玲蔚;
朱小燕
-
-
摘要:
由于当前各类主流网络平台的发展呈现出“社交平台内容化、内容平台社交化”的趋势,用户分化也日趋明显,出现了拥有大规模粉丝的超级节点,因此,提出了一种基于社交关系的兴趣挖掘模型.结合矩阵分解和标签传播算法,将用户分为内容发布者和普通用户两类,并分别提取和计算兴趣话题,实现了在大规模异构网络中发现、挖掘用户兴趣.基于知乎数据集上设计的对比实验,验证了模型的有效性以及算法的性能优势.与基线方法相比,这种算法在查全率上最大提升约42%,F1值最大提升约33%.
-
-
高军;
黄献策
-
-
摘要:
The traditional TF-IDF algorithm calculates the correlation weights between keywords and documents only by using the perspective of word frequency and reverse document frequency, which ignoes the influence of user interest on weight calculation.In order to meet the purpose of user information retrieval, a correlation weight algorithm based on journal association is proposed.From the perspective of user-oriented comelation, the user interest model is built by analyzing the user's search journal, and combined with the idea of distributed computing, the MapReduce programming framework is used to realize the parallel processing of computing tasks.Experimental results show that it can not only improve the efficiency of the algorithm when dealing with massive data, but also dynamically change the weight of retrieval word according to the user's historical retrieval records, so as to enhance the interaction ability between users and the system.%传统TF-IDF算法仅从词频与逆向文档频率的角度计算关键词与文档之间的相关性权重, 忽略了用户兴趣对权重计算的影响.为此, 以满足用户信息检索目的为研究背景, 提出一种基于日志关联的相关性权重算法.从面向用户相关性的角度出发, 通过分析用户的搜索日志建立用户兴趣模型, 并结合分布式计算的思想, 运用MapReduce编程框架实现计算任务的并行化处理.实验结果表明, 该算法在处理海量数据时, 不仅能够提高算法效率, 而且可以根据用户的历史检索记录动态地改变检索词的权重, 提升用户与系统的交互能力.
-
-
-
曾静1;
吴新玲12;
肖政宏1
-
-
摘要:
IPTV领域存在''同个账号共享一个终端'',导致同个账号下收集到的用户兴趣是多样的,也是多变的,但又存在一定的周期性。目前该领域的研究只把用户当成是单一的用户,没有考虑用户兴趣的多变性和多样性,导致推荐准确度差,用户体验效果不佳。为此,本文提出了一种构建用户动态兴趣模型的方法,该模型通过设置时间窗口动态跟踪用户兴趣并动态更新用户兴趣。
-
-
-
邱振生1;
周胜平1;
陈顶1
-
-
摘要:
个性化推荐技术是近年来为解决互联网时代信息泛滥应运而生的一种服务技术。通过收集、分析和挖掘客户的历史行为数据,了解客户是怎样一个人,有怎样的行为和兴趣,对产品进行了哪些反馈等,并归结出客户的特征属性和兴趣偏好,建立客户兴趣模型,从而为客户推荐其可能喜欢的产品和服务。
-
-
李萍;
彭小华
-
-
摘要:
采用协同过滤的图书馆书目推荐方法存在冷启动以及矩阵稀疏等问题,新书目未被读者评分或少量评分无法被推荐,存在推荐命中率低以及个性化服务差的缺陷.因此,提出基于读者个性化特征的图书馆书目推荐方法,设计基于读者个性化特征的数字图书馆书目推荐模型,给出图书馆书目个性化推荐流程,采集读者特征并分析读者行为后,塑造读者兴趣个性化特征,通过兴趣模型向读者推荐书目,塑造基于读者个性化特征的读者兴趣模型,基于显式信息和隐式信息对读者兴趣模型实时更新,进化读者个性化特征本体模型.分析基于读者个性化特征的图书馆书目推荐过程,个性化推荐业务实现过程.实验结果表明,所提方法可实现图书馆书目的个性化推荐,推荐准确率和效率较高.
-
-
徐立宁
-
-
摘要:
在智能图书馆的个性化推荐服务中,用户画像起到了关键作用.首先分析了图书馆用户画像与资源推荐服务的基本含义,从用户动态精准画像的数据源、模型和基于知识挖掘的个性化推荐服务3个方面,构建了图书馆用户动态精准画像的个性化推荐模型.从用户动态精准画像下的兴趣模型和行为模型以及资源推荐服务、宣传服务和构建图书馆可持续发展与规划等方面,探究了基于动态精准画像的图书馆个性化推荐服务.
-
-
-
-
李振星;
徐泽平
- 《第一届学生计算语言学研讨会》
| 2002年
-
摘要:
Web网上海量信息急速膨胀使得有效定向采集相关信息检索成为网上信息查询一个日益重要的研究方向.本文提出一种基于用户兴趣模型的Web文本信息预测采集过滤方法.这种方法根据正反集文本过滤方法,设计出一种用户兴趣模型,并在对Web站点结构进行分析的基础之上,通过对网页的相关度的预测来控制信息的采集.在保持定向采集精度的同时,缩短采集时间、减少存储、加快检索,节约了网络资源.
-
-
-
万仁辉;
沈亮;
戴鹏程;
隋延峰
- 《中国移动通信集团设计院第20届新技术论坛》
| 2014年
-
摘要:
移动网络运营商拥有用户全面的上网日志,这些信息蕴含着巨大的价值.通过对用户上网日志的挖掘,运营商不仅能够对网络设施进行维护,辅助进行网络建设,也能为运营商自身和其他行业营销提供依据.本文对上网日志信息的构成进行了阐述,以网购用户为目标,介绍了数据预处理的方法,利用兴趣模型对用户行为进行分析.
-
-
-
-
Yuhong JIN;
靳玉红;
Jiahui LI;
李家会
- 《2011年信息技术、服务科学与工程管理国际学术会议》
| 2011年
-
摘要:
internet上数据的大量增加导致了"信息过载"和"信息迷向"问题,而个性化服务技术正好可以在一定程度上解决这些问题.用户兴趣建模作为个性化服务的核心技术,主要研究如何动态分析、计算出用户当前的兴趣信息,成为目前个性化服务的研究热点.本文首先分析了多元线性回归法计算用户短期兴趣,然后提出采用遗忘因子使原有兴趣随时间衰减,再动态更新用户兴趣信息;最后通过试验证明该用户兴趣模型能够及时反映出用户的兴趣变化.文章介绍了用户对页面感兴趣程度的计算、用户兴趣信息的计算包括用户长期和短期兴趣信息的计算以及用户兴趣信息的更新。本文所研究的用户兴趣模型能够及时有效的反映出用户的兴趣信息,但还有一些技术需要进一步研究和提高,比如目前研究中遗忘因子的半衰期参数是根据经验值来设定的,可以考虑根据用户兴趣变化的快慢,自动调整半衰期参数;用户短期兴趣权重的计算中可以通过更多的实验并考虑其他影响因素,分析出其中的定量数据,为实际应用提供更准确的估计或预测。
-