基于隐马尔可夫模型的兴趣迁移模式发现

Web挖掘的一个重要研究方向是发现用户的迁移模式 .一般来说 ,用户的迁移具有某种目的性 .这种目的性表现为用户对某种概念的兴趣 .文中提出基于隐马尔可夫模型的兴趣迁移模式发现方法 ,用于发现这种带有某种兴趣的用户迁移模式 .这种模式实质上是一种特殊的关联规则 .在这种方法中 ,作者首先根据用户的访问记录定义一个隐马尔可夫模型 ,然后提出一种新的增量发现算法 Increase- R用于发现兴趣迁移模式 ,同时给出了证明以说明该算法可以发现所有的兴趣迁移模式 .

基于Web访问信息的用户兴趣迁移模式的研究

针对用户浏览网页的兴趣会随时间而变化这一现象,设计了一种网络用户兴趣迁移模式的挖掘模型。把用户的访问兴趣通过隐马尔可夫模型抽象成一种时间序列,以此反映用户兴趣的序列性,进而利用GSP算法从用户兴趣序列中挖掘出用户兴趣的迁移模式。实验证明该方法是有效的,从时间属性上更深层次地描述了用户兴趣的变化情况。

基于区域特征分布式Web用户兴趣迁移模式

提出一种基于区域特征的分布式Web用户兴趣迁移模式挖掘模型DWICP,以及基于该模型的具有区域特征的用户识别方法和局部浏览兴趣迁移模式更新算法/全局浏览兴趣迁移模式更新算法,用于发现具有区域特征的用户浏览兴趣迁移模式。实验表明,该方法能够较好地解决分布式环境下Web访问行为模式研究中的区域分析需求,同时提高了用户浏览兴趣表示的准确性。

论财经类学科间的兴趣迁移在本科教学中的运用

随着市场经济改革的不断深入,财经类院校在社会主义现代化建设和新农村建设中将发挥着愈来愈重要的作用,如何顺应社会对财经人才需求的趋势,是财经类院校特别是非国家重点建设的财经院校必须把握的方向。对于绝大多数定位为教学型的普通财经院校来讲,如何引导学生学习更加广泛的科学文化知识,向一专多能的综合型人才发展,是本科教学的一个重要任务,也是财经院校教学改革的重点问题。

用户兴趣迁移模式与个性化服务

提出用户浏览兴趣迁移模式作为关联规则生成的基础的思路;给出了用户频繁访问路径的更新算法,用聚类主题号代替浏览序列的页面号,获得用户浏览兴趣迁移模式,以此得到更优化的个性化服务。

基于用户兴趣迁移的Web日志仿真生成算法

针对仿真生成算法采用静态分布模型生成Web日志,会造成与真实数据之间存在较大差异的问题,提出一种基于用户兴趣迁移的Web日志仿真生成(WLSG)算法。该算法首先对Web日志与时间的关系进行了建模;其次,模拟了用户在不同时间访问文件时用户的兴趣迁移;最后,也模拟了用户自适应访问当前时刻最感兴趣的文件。相对于现有的采用静态分布模型的仿真算法,所提算法能够提高自相似性指标约2.86%。实验结果表明,该算法通过用户的兴趣迁移来改变用户的访问序列,能够较好地模拟真实Web日志,有效地应用于Web日志的仿真生成。

学术虚拟社区核心用户兴趣迁移模型构建研究

[目的/意义]针对目前学术虚拟社区存在对核心用户兴趣变化关注不足的问题,本文基于艾宾浩斯遗忘曲线构建用户兴趣迁移模型,以准确描述核心用户的兴趣迁移,提升对核心用户个性化推荐结果的准确率。[方法/过程]以"小木虫论坛"为研究对象,构建用户影响力评估指标和问答网络,分别利用熵权法和PageRank算法识别核心用户。在此基础上,基于艾宾浩斯遗忘曲线构建核心用户兴趣迁移模型,并对此模型的适用性进行验证。[结果/结论]本文所构建的核心用户兴趣迁移模型能更好地反映核心用户的兴趣迁移。

考虑开发者兴趣迁移的开源项目推荐方法

社交化编码是当前软件开发生产的一个重要方式,其开发模式的灵活性与开放性吸引了大量的开发者.开发者通过参与开源项目能够提升自己的开发能力并在社区中形成自己的影响力.许多开源社区如GitHub上有大量的开源项目.开发者将花费大量的时间与精力去寻找自己感兴趣的项目.开源项目推荐引起了研究者的兴趣,然而,目前的方法中仅仅基于开发者过去参加过的项目的相似性进行项目推荐,没有对开发者的兴趣迁移进行考虑.针对这一问题,本文提出了一种基于项目主题迁移频繁模式挖掘的推荐算法.该方法结合了概率主题模型与顺序频繁模式挖掘,并考虑项目社交关联和流行度,从而为开发者提供个性化开源项目推荐.本文所提方法的召回率比传统的方法高出了10.9%,推荐效果显著提升.

基于GSP算法的用户兴趣迁移模式发现方法

针对web用户的浏览行为会随着用户的兴趣变化这一现象,提出一种用户兴趣迁移模式的发现方法。通过定义Web用户的兴趣,引入用户兴趣的挖掘模型,确定将用户访问序列转换为用户兴趣序列的处理过程,最终采用GSP算法挖掘出用户兴趣的迁移模式。实验分析表明,GSP算法对用户兴趣迁移模式的发现是有效的。

从“玩”到“学”的兴趣迁移——基于英语学科

不少初中生对网游等＂玩＂的兴趣明显高于对各科知识＂学＂的兴趣,这不仅是教师和家长的苦恼,也常常是学生自己的困惑。面对这些学生,教师除了悉心规劝,还应反思自己的教学,通过改变课文顺序、重构教学板块、创新授课模式等举措,促进学生的兴趣迁移。

兴趣迁移在外语教学中的应用

本文主要从日常生活和学习中的兴趣迁移、外语课堂上的兴趣迁移、学科之间的兴趣迁移和困难学生的兴趣迁移等四个方面阐述在外语教学中 。

语文课堂“兴趣迁移”教学探索

"迁移"一词来源于心理学,是指一种学习对另外一种学习的影响。具体来讲,就是将对某一学科获得的情感认知转移到另一学科上,即所谓的"举一反三"。迁移是一种普遍存在的日常生活现象,迁移都不见得是好的,正迁移有助于帮助学生学习,负迁移则阻碍、混淆着学生学习。因此,教师在语文教学中要合理运用"兴趣迁移"这种教学方法,帮助学生提高语文学习的能力。

基于用户兴趣迁移的智慧图书馆推荐服务模式研究

云计算、大数据和移动互联等新型技术的快速发展,使智慧图书馆感知读者需求和处理海量异构数据更加高效可行,利用新兴技术,智慧图书馆可以较好地描述用户兴趣随时间变化的过程。从智慧图书馆的基本概念及特征特点出发,提出了基于用户兴趣迁移的智慧图书馆推荐服务框架,分析了该服务模式构建的方法,描述了该框架可以提供的服务及应考虑的问题。

基于用户兴趣迁移的网络图书推荐模型研究

在线图书推荐系统由于长期精准的推荐有可能导致用户得到一些重复推荐项目,不利于用户开拓视野。文章尝试在用户原有兴趣的基础上找到一种兴趣迁移的方法,使网络图书推荐呈现多样化。提出一种融合信息距离的语义相似度计算方法,实现语义相似度的扩散,从而有效引导用户兴趣的迁移,为网络用户提供多样性的图书推荐服务。设计实验验证了信息距离能够对推荐结果产生较大影响,融合信息量的语义相似度的网络图书推荐方法,可以给用户推荐其感兴趣并且更具有价值的项目。随着新项目的不断加入,项目的信息量也会动态变化,系统会不断调整推荐列表以适应用户需求。

兴趣和特长迁移

兴趣和特长迁移特长与孩子的兴趣有很大关系。孩子的兴趣是广泛的、不稳定的，但随着年龄的增长、阅历的丰富，这种兴趣产生明显的倾向性，如有一定的条件，便会形成特长。李秀玲在１９９４年８月２８日《中国教育报》第三版上撰文指出家长应该关心孩子的兴趣，在尊重孩子...

基于人工免疫算法的增量式用户兴趣挖掘

了解用户兴趣是为用户提供个性化服务的关键。用户兴趣有短期兴趣和长期兴趣之分,且具有不稳定性。受人工免疫系统的启发,巧妙地将免疫应答过程应用于用户兴趣挖掘。首先将概率与时间相结合,提出"概念时序动态"的概念,以更好地刻画用户在一段时间内对同一兴趣的关注程度;然后基于人工免疫原理,建立抽取兴趣标签的分类器来提取用户兴趣标签;最后针对增量式学习,建立兴趣标签的"概念时序动态",刻画出用户兴趣自首次出现以来受关注的程度,以此为依据来判断兴趣是否存在迁移及遗忘现象,并为每个兴趣标签附上权重。其主要贡献是创造性地将人工免疫原理应用于用户短期兴趣和长期兴趣的挖掘,并具有增量特性,可以很好地体现用户兴趣迁移特征,是一种自然完整的用户兴趣模型。实验结果表明,该学习模型能够很好地发现用户关注的领域,其平均精度和召回率分别达到79.5%和74.4%,是目前最贴近用户的兴趣挖掘模型。

基于分页缓存模型的用户兴趣跟踪方法

对智能推荐系统中用户兴趣跟踪问题的研究,传统方法如时间窗口、遗忘函数等在表征用户兴趣模型时均未考虑兴趣主题概念相关性,无法充分利用用户历史数据,导致兴趣跟踪不准确。因此,本文提出了基于分页缓存的用户兴趣表征模型,形成基于主题的用户多兴趣域结构,并提出了相应的兴趣迁移检测SIM算法,该算法引入序列熵差,表征兴趣迁移的整体特性。实验表明,与传统方法相比,本文提出的方法具有更低的兴趣平均绝对偏差,能够更准确地表征用户兴趣迁移,从而获得更好的推荐质量和效率。

重视情感激发兴趣 提高语文教学质量

语文学科是各门学科的基础,是学习和工作的基础工具.要培养学生各方面的能力,有利于以后学习和工作的需要,就必须学好语文.因此,作为语文教师,应对这门学科进行各方面的探讨和研究,特别是学生的情感和兴趣的探讨,这样对提高语文教学质量是有很大帮助的.