基于用户兴趣的个性化推荐技术综述

网络时代下,个性化推荐系统是解决"信息爆炸"现象的重要技术.介绍了个性化推荐系统的研究现状并分别对个性化推荐系统的几项关键技术进行了阐述及推荐评价.最后提出了推荐系统未来的发展趋势.     

个性化系统中一种新的用户兴趣模型的建立

个性化推荐系统中,设计用户的兴趣模型是一个关键问题.通过分析web环境下用户的特点和浏览行为,提出了一种新的基于向量空间模型的混合模型,并根据用户对页面的访问次数,浏览速度和驻留时间来更新模型.模型便于实现,且更新及时,简单.     

基于Web2．0用户个性化推荐系统分析

为实现用户个性化服务,理解用户兴趣爱好．通过建立用户兴趣模型和推荐库．采用用户兴趣行为描述、重排序算法以及用户反馈算法,分析基于Web2．0用户个性化推荐系统．以提高推荐结果的准确性。     

根据用户隐式反馈建立和更新用户兴趣模型

提出一种通过获取用户的隐式反馈信息建立和更新用户兴趣模型的方法．这种方法不需要用户显式地提供兴趣信息，只要通过观察用户在浏览Web页面时所采取的动作来获取隐式的反馈信息，并利用这些信息建立与更新用户兴趣模型，从而减轻用户的负担．     

关于个性化搜索引擎中用户兴趣模型的研究

针对个性化搜索引擎中不能准确建立用户兴趣模型的问题,通过分析用户有效的搜索行为,得到用户感兴趣的网页,并根据用户对网页的操作情况,得到用户对网页的兴趣程度,据此改进TF-IDF公式,得到用户的兴趣特征词及其权重,建立用户兴趣模型;并根据更新时间因子来实现用户兴趣模型的动态更新.实验结果表明,通过此种方法建立的用户兴趣模型,更加准确地反映了用户的兴趣爱好,提高了搜索结果的准确度.     

一种基于用户行为反馈的兴趣度模型更新算法

个性化推荐技术在电子商务系统中得到了广泛应用.针对现有的用户模型不能及时根据用户自身兴趣偏移进行更新的问题,提出了一种基于用户行为反馈的兴趣度模型的更新算法,在创建好模型的基础上,分析用户的购买记录和用户的浏览行为,结合用户的兴趣内容,实现用户兴趣的自动更新,得到的针对新的用户兴趣的推荐商品列表,在此基础上结合用户的购买商品记录,实现推荐商品的个性化排序,从而向用户进行个性化推荐.实验对比结果表明,该算法能更好地发现用户当前的购买兴趣,从而进一步提高个性化推荐精度和用户满意度.     

基于用户隐式数据的个性化酒店推荐算法

在基于物品协同过滤的基础上,对隐式反馈数据进行挖掘建模,设计了隐式反馈偏好评分规则,并据此赋予了计算酒店相似度公式的新定义.考虑到用户的基本特征也会对用户个性化需求产生影响以及单一算法的局限性,进一步引入了XGBoost模型,利用XGBoost训练对改进后的推荐结果进行过滤,得到较好的个性化酒店推荐系统.文中采用真实的...     

个性化搜索中用户兴趣模型匿名化研究

为了解决个性化搜索技术所潜在的用户隐私信息泄露的问题,提出了用户兴趣模型匿名化方法。首先根据用户兴趣模型之间的相似性将其聚类为满足p-链接性的等价组,然后计算聚类后兴趣条目的权值。所谓的p-链接性是指攻击者根据背景知识链接确定某一用户的概率不超过p。该方法可实现用户兴趣模型匿名化以及兴趣倾向不发生改变,既保护了用户隐私信息,同时也保证了个性化检索性能。实验表明:随着相关结果个数的增多,匿名化后搜索结果的查全率基本能保证在50%以上,另外p-链接性的减小对于查全率的影响并不是太大。     

基于用户兴趣模型的个性化信息服务系统研究

分析了个性化信息服务技术中的关键技术,重点研究了用户兴趣模型的创建与更新方法,提出了一种个性化服务系统的原型系统.研究中引入了相关的自然语言处理技术,能够有效实现挖掘、表示及更新用户兴趣模型的目标,并实现信息推送等服务.     

基于综合用户信息的用户兴趣建模研究

为实现个性化服务,理解用户兴趣成为提供搜索服务的关键任务,因此针对传统的用户兴趣建模技术的一些不足,提出了基于浏览内容、浏览时间和操作时间的综合用户兴趣建模方法,将VSM和SVM引入用户兴趣模型的构建,并在此基础上给出了推荐系统的框架,实现了基于此模型的推荐系统.试验结果显示,系统较好的实现了用户感兴趣信息的推荐.     

基于内容的个性化新闻推荐

不同的用户有不同的兴趣指向,个性化推荐的核心在于如何提高推荐命中率.以新闻文档内容特征为基础,用ICTCLAS完成分词和频数统计,建立基于内容的新闻文档模型和动态的用户兴趣模型,实现新闻文档的比较、分类和个性化推荐,并用SSHA框架技术对系统进行设计.     

基于用户兴趣挖掘的个性化搜索引擎研究

随着互联网应用的不断深入,搜索引擎已经成为互联网信息检索必不可少的工具。传统的搜索引擎由于没有考虑到用户个人的兴趣爱好,无法满足人们信息需求的多元化趋势,因此个性化搜索引擎逐渐产生和发展起来,基于用户兴趣的个性化搜索服务越来越受到用户的欢迎。     

基于用户隐式数据的个性化酒店推荐算法Symbol`@@

在基于物品协同过滤的基础上,对隐式反馈数据进行挖掘建模,设计了隐式反馈偏好评分规则,并据此赋予了计算酒店相似度公式的新定义。考虑到用户的基本特征也会对用户个性化需求产生影响以及单一算法的局限性,进一步引入了XGBoost模型,利用XGBoost训练对改进后的推荐结果进行过滤,得到较好的个性化酒店推荐系统。文中采用真实的脱敏数据,证明利用层叠模型构建个性化酒店推荐系统的推荐效果更加精准,对于酒店在线平台的个性化服务具有较强的参考价值。     

个性化推荐系统用户偏好获取及兴趣建模

本文选取基于内容（过滤）的个性化推荐技术,通过结合个性化推荐的相关理论,从用户资源特征项提取、用户兴趣模型建立、资源文本相似度计算等方面进行研究和分析,最终推荐给系统用户最合适、最个性化的网络资源。     

基于Multi-Agent的电子商务个性化推荐系统模型的设计与研究

为了更好地提高电子商务推荐系统的个性化、自动化、持久化程度,提出了一种基于Multi-Agent的电子商务个性化推荐系统的整体架构模型．它采用Agent技术将个性化推荐系统中的功能模块构建为智能体,并在智能控制方式下采用线下信函式推荐和线上混合推荐技术来构建核心推荐模块．对该模型中各组成部分的功能和设计思想进行了阐述．     

用户兴趣模型在个性化搜索引擎中的应用

随着Internet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研究,并提出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．     

用户兴趣模型在个性化搜索引擎中的应用

随着Internet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研究,并提出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．     

个性化搜索引擎中用户兴趣提取技术的研究

针对传统搜索引擎系统缺乏个性化的问题，本文利用Ajax技术通过跟踪用户行为提出了一种新的个性化信息提取技术并给出了相应的算法。模拟实验表明该算法能够有效地提取出用户的兴趣信息。     

基于WEB使用挖掘的个性化推荐系统的研究

通过网络学习的web日志的使用挖掘,获取学习兴趣,建立兴趣模型.采用相似性度量方法对具有相似兴趣的学生用户进行聚类,实现了学习内容的个性化推荐系统.实验结果表明,基于用户兴趣模型的个性化推荐系统具有较高的准确率、新颖率和非预期率.     

基于HMM的个性化智能推荐研究

Internet和电子商务的发展带动了对个性化智能技术的研究.提出基于隐马尔可夫模型的浏览兴趣发现方法,通过学习用户访问模式预测用户未来的网页请求,为不同需求的用户推荐所需服务,减少用户的无效操作.