一种适合于分布式虚拟环境的兴趣管理方法

为了有效地降低分布式虚拟环境的网络通信量,提出了一种可扩展的兴趣管理方法.该方法采用基于表达式的兴趣表示模型,引入了兴趣度的概念,根据发布-订购模式的过滤机制,实现对信息接收和发送的精度和频率的控制.基于自主开发的分布式虚拟环境原型系统AIMNET的运行结果表明,该方法可以根据对象间的不同兴趣度控制通讯细节,减少了不必要的网络通讯,从而减轻系统的网络负载,进一步提高分布式虚拟环境的可扩展性.

国内用户兴趣建模研究进展

介绍了用户兴趣建模内涵及核心研究内容,并从模型表示、用户行为与兴趣数据采集、模型进化、模型评价4方面介绍了国内用户兴趣建模研究进展。

基于社会化标签挖掘的微博内容推荐方法研究

【目的/意义】针对当前微博内容推荐方法存在的用户标签偏少、标签语义缺乏和用户-标签矩阵高维稀疏等导致的推荐准确性不高的问题,提出了一种基于社会化标签挖掘的微博内容个性化推荐方法。【方法/过程】首先,针对用户标签偏少的问题,借助微博内容进行用户标签扩充,形成初始的用户-标签矩阵表征用户兴趣偏好;然后,针对标签语义缺乏问题,通过标签语义映射和语义相关性挖掘,构建标签语义相似度矩阵进行用户-标签矩阵更新,使更新后的用户-标签矩阵融入标签间的语义相关性,既能解决用户-标签矩阵高维稀疏问题,又能更好地表征用户兴趣。【结果/结论】实验结果表明,该方法优于传统的基于社会化标签的推荐方法,能够有效提高微博内容推荐的精准性。【创新/局限】后续将重点研究用户间社交关系对个性化推荐的影响,探索融合用户社交关系的微博内容个性化推荐方法,实现更加精准的推荐。