基于网络浏览隐式反馈信息的偏好判别研究

网络浏览中用户行为作为隐式反馈信息蕴涵了兴趣和偏好,此信息可以用于个性化服务和推荐,降低人机交互过程中的认知负担。本文基于回归和SVD理论,提出了基于用户隐式反馈行为的情感偏好判别方法,包括粗粒度判别和细粒度判别。在用户行为维度的基础上,通过增加网页内容的类别维度,提高情感偏好粗粒度判别的准确性。同时研究用户-潜在因子,潜在因子-隐式行为矩阵的求取过程,得到用户细粒度的兴趣偏好判别模型。实验表明本文提出的方法对判别用户兴趣偏好信息是有效的。