基于用户兴趣建模的个性化推荐

针对当前大多数个性化推荐中用户兴趣挖掘不足,导致资源推荐过快收敛的问题,以图书馆领域为背景,引入本体建模、本体查询、Apriori算法来全面挖掘用户潜在兴趣,同时利用概念频繁兴趣簇来控制最终用户推荐的收敛性。实验表明,该用户建模能保证在较高的资源推荐查准率基础上,防止推荐过快收敛,体现用户确切的兴趣。

用户兴趣建模的改进

基于用户兴趣模型的个性化推荐已经基本上解决了用户兴趣挖掘不足,推荐资源收敛性过快的缺点。但在二次过滤中,概念兴趣簇集中仍存在一定的兴趣冗余和兴趣表征模糊的缺点。将二次过滤的步骤进行了改进。在资源本体描述中,添加了表征各个资源的概念的权重,并引入了概念专注函数来消除兴趣冗余和兴趣表征不足的缺点。实验表明,该改进进一步提高了用户兴趣的推荐程度。

基于信息距离的文献个性化知识发现系统的设计与实现

本文基于信息距离的文献个性化知识发现系统,首先基于文献领域本体对用户输入得到的概念扩展集进行修正处理,形成更符合用户兴趣的概念集合;其次,借助兴趣概念集合,将主题词和与其互相关联的知识匹配,实现用户层级的知识发现;最后,融入基于信息距离和信息层次的个性化推荐算法,对锚定的未评分文献集合进行打分排序,采用Top-N算法,从中挖掘出更深度的知识关联,形成推荐列表,实现个性化的文献知识发现。该系统一方面改善了基于内容的知识发现系统中结果过于专一化和延展性差等问题,扩展了查询粒度;另一方面通过信息量权重的引入,在提高知识检索效率和知识推荐准确度的同时,实现了更为精准的个性化知识发现。

数学教学应做到“数形结合”

“数形结合”是利用图形的直观、具体辅助解决涉及图形的数学题,可以化抽象为具体,促进学生的发散思维和逻辑思维的发展.小学生的空间想象能力有限,引导学生做题时“画一画”,运用图形辅助解题,可以助力教学有效性,事半功倍.