上下文感知推荐系统中基于用户认知行为的偏好获取方法

针对现有的偏好获取方法,因未考虑不同用户在各类型上下文环境中的认知行为与用户偏好间的内在联系所导致用户偏好预测准确度不高的问题,受分布式认知理论与记忆信息加工模型启发,提出了一种基于用户认知行为的上下文感知偏好获取方法.在多维上下文环境下,将认知水平、认知有用性、认知风险、有效认知行为等认知领域概念引入偏好获取过程,并分别给出其概念定义及计算方法,通过建立多种认知因素交互影响的偏好获取模型,分别提取在单维与多维上下文环境下的用户偏好.在大规模真实数据集上的实验结果表明,与经典的协同过滤算法及上下文感知算法相比,显著地提高了偏好获取的准确度.

基于社交关系和影响力的在线社交网络用户兴趣偏好获取方法研究

在线社交网络成为人们网络生活的最主要平台,人们基于兴趣偏好等原因集聚形成各个网络社区,共同参与感兴趣话题的讨论,表达自己的观点和看法,寻找感兴趣的内容,因此识别在线社交网络中用户的兴趣偏好,具有重要意义.本文首先分析用户在社交网络中的行为,提出从用户发布信息、基于共同参与话题的社交关系中寻找相似兴趣最近邻,和再考虑用户在社交网络中影响力的相似兴趣最近邻,三种获取用户兴趣偏好的方法.最后利用百度贴吧数据集实验,比较三种方法的使用效果.实验表明考虑用户影响力的最近邻方法获取用户兴趣偏好的方法效果最好,而且这种方法不需要利用用户本身信息,仅仅只需要通过其最近邻用户就可以获得更加准确的用户兴趣偏好.

个性化推荐系统中的混合用户偏好获取

针对个性化推荐系统中用户偏好信息量小的问题,提出了混合用户偏好获取,以相对准确但稀少的显式评分为基础,综合考虑用户页面停留时间、页面滚动时间和鼠标点击次数三项浏览行为,以评分转化规则为依据,得到隐式评分。结合隐式评分和显式评分,构建反映用户偏好的用户-项目矩阵,为个性化推荐算法的实施提供数据基础。实验证明,混合用户偏好获取是可行和有效的。

智能空间中的用户饮食偏好获取与推荐系统

对用户饮食偏好获取技术进行研究,建立基于相似度的食物分类模型,在此基础上设计智能空间中的用户饮食偏好获取及饮食推荐系统。该系统通过压力传感器采集用户饮食数据,利用动态分割数据的方法获取用户饮食偏好上下文,根据食物分类模型进行饮食推荐。实验结果证明了该系统的有效性。

基于用户信息获取偏好的高校图书馆主动服务模式研究

调研分析上海高校师生不同年龄段群体的信息获取偏好,包括上网时间及主要使用的设备、信息获取渠道、信息内容偏好以及推荐偏好,可以发现每个年龄段群体都有各自的信息获取偏好和特点。高校图书馆应建立基于用户偏好的主动信息服务模式,其应包含服务框架设计、信息服务动态跟踪与反馈机制的建立以及服务动态优化方式设计,从而进一步提高服务水平以及更智能、主动地提供服务。

领导者信息获取偏好对领导有效性的权变影响机制研究

通过227名中国企业中高层领导者样本,基于心理类型论和管理认知过滤机制理论,分析了领导者信息获取偏好通过变革型领导对领导有效性产生影响的内在作用机制,即领导行为的中介效应;同时,基于素质激活理论,揭示了状态不确定性对上述间接作用机制的有调节的中介效应。研究表明:变革型领导部分中介了领导者信息获取偏好对领导有效性的作用;状态不确定性对上述中介关系起到调节效应。此外,对研究结果的理论和实践意义进行了探讨,并指出了未来的研究方向。

领导者获取信息偏好对适应性绩效的复合多重影响

不确定环境要求领导具有较强的适应性。基于认知和行为双重视角,构建了复合多重中介模型,即领导者获取信息偏好通过多重路径影响适应性绩效,并通过236名中国企业领导者样本进行实证验证。结果表明:(1)领导者信息获取偏好正向影响适应性绩效,直觉型领导者表现出更高适应性绩效;(2)领导者信息获取偏好对适应性绩效的间接影响存在三条中介路径,即领导自我效能的特定中介效应、群体一致性变革型领导行为的特定中介效应及二者的连续复合多重中介效应;(3)领导自我效能的特定中介效应显著大于领导自我效能和群体一致性变革型领导相结合产生的连续中介效应,领导自我效能和群体一致性变革型领导两个特定中介效应不存在显著差异。

用户对移动网络服务偏好学习技术综述

为了缓解日益严重的"移动信息过载问题",移动用户偏好学习已成为个性化服务领域的首要问题。对最近几年移动网络服务中用户偏好学习技术的研究进展进行综述,对移动用户偏好的表示方法、获取技术、自适应学习方法、评价方法等进行前沿概括、比较和分析。最后对移动网络服务中用户偏好学习技术的发展方向和趋势进行展望。

基于软约束满足理论的用户偏好建模方法

用户建模是电子商务领域的重要研究问题之一,但是到目前为止还没有非常有效的方法来对用户的动态偏好等特征进行建模.文中在分析电子商务领域用户偏好特征获取的一般特点的基础上,提出基于实例的两阶段递增式用户偏好特征获取方法.同时采用基于半环的软约束满足问题来表示用户的各类偏好特征,将用户建模看成是在潜在方案空间上施加一系列偏好约束的过程.文中还提出了不同的偏好约束类型以及利用偏好约束建立用户模型的过程,实现了电子商务领域复杂用户偏好的灵活建模.

电子商务领域用户偏好研究综述

本文基于近年来国内外电子商务领域中用户偏好研究现状,探讨偏好的由来、表示与获取并对常用研究方法作梳理式综述研究,根据现有研究提出今后可以结合大数据领域的分析技术,运用调研和实验等方法更多关注用户隐性行为偏好,以优化电子商务领域中的实时个性化推荐应用。

个性化广告推荐系统及其应用研究

近年来,随着互联网及智能移动设备的发展和普及,丰富了广告的推送方式和投放平台.但是传统的广告推送无法满足用户对个性化广告的需求,导致用户对广告产生抵触情绪,给广告推送带来极大的挑战.个性化广告推荐系统作为应对这些挑战的有效手段,成为个性化服务领域的研究热点之一.个性化广告推荐系统获取用户兴趣偏好,利用多种个性化广告推荐技术,通过PC端、移动终端等多平台为用户提供个性化广告,并且已经在一些应用系统中取得不错的效果.本文对个性化广告推荐系统的研究进展进行系统地综述,从个性化广告推荐的概述出发,对近年来个性化广告推荐的关键技术进行深入分析,包括数据采集与预处理、用户偏好获取、个性化广告推荐技术等.统计分析了个性化广告推荐中使用的多种数据集和评价指标,总结当前个性化广告推荐在传统互联网、移动服务、数字标牌、IPTV等场景下的应用.最后对个性化广告推荐系统存在问题和未来深入研究的方向进行讨论和展望.

基于中间件技术的智能导购组件的设计与实现

网上购物发展到今天,如何体现“以客户为中心”,实现个性化服务是未来网上购物的发展趋势。提出了构建一种智能导购组件,购物网站通过集成该组件,可以根据客户的购买经历和购买倾向来向客户自动推荐其感兴趣的产品,并能根据用户的购买过程来自动获取用户个人购物偏好,从而使得商家能有针对性地为客户提供个性化服务。

个性化电子商务购物模型研究

电子商务的蓬勃发展极大地改变了传统的购物行为,越来越多的人愿意尝试通过互联网购物。本文提出了一个个性化购物模型,该模型采用代理技术来促进互联网购物自动化,提高购物效率,在代理技术的基础上,购物模型集成了基于知识的决策生成方法和偏好获取方法,进而为自动购物提供决策支持,最后,实现了一个用于轿车购物的实验原型系统以验证提出的购物模型。结论表明,本系统运行效率高,能够为利用互联网购物的客户节省大量时间。

一种基于多视图学习的群组发现方法

近年来,群组推荐因其良好的实用价值得到了广泛关注。作为群组推荐的一个重要环节,群组发现对推荐结果具有至关重要的影响。对于同一群组中的用户,用户的相似度越大,推荐的精度就越高。为了有效提升群组内用户相似度,改善推荐的精度,降低误差率,文中提出了一种基于多视图学习的群组发现方法。该方法首先提取多维度的显式信息,并用相似度矩阵表示,采用动态主题模型更新用户的偏好;然后,基于多视图学习对用户相似度矩阵分配权重,利用无监督学习训练得出隐式信息;最后,根据用户相似度矩阵和分组方法提出群组发现算法,实现用户群组划分。仿真对比实验表明本文所提的方法分组效果更好。

基于Agent技术的智能导购系统的设计

考虑到目前网上购物站点繁多,客户无法做到货比三家、择优购买,本文提出了设计一种智能导购系统,该系统能根据客户的购买倾向来自动搜索网上的主要购物站点,并能根据客户的购买过程来自动获取客户个人购物偏好,从而使得商家能有针对性地为客户提供个性化服务。

基于决策欺骗自适应修正的情景感知推荐方法

受决策心理相关理论启发,提出了一种基于决策欺骗自适应修正的上下文情景感知偏好获取方法.首先基于同类中心点行为距离获取用户历史行为中的伪偏好行为,将上下文行为波动与偏好波动交叉验证,并结合模糊隶属函数以关联伪偏好行为与其所属决策欺骗类,最后分别融合相应的行为补偿策略来获取上下文环境下的用户偏好.在大规模真实数据集上的实验结果表明:与经典的协同过滤算法及上下文感知算法相比,推荐精度平均提高2.5%以上,推荐多样性平均提升近3%.