基于用户反馈的智能合作过滤模型的研究

为了提供给用户更准确的信息,提出基于用户反馈的智能合作过滤模型和一种基于用户兴趣的动态Q学习算法,并建立用户兴趣模型.通过隐式反馈和显式反馈这2种反馈方式更新用户模型并实现合作过滤.实验结果表明,在输入相同查询提问情况下ACFM在预测用户兴趣的效果和推荐搜索信息的查全率和查准率方面比传统的搜索引擎有明显改善.

基于用户兴趣反馈的智能合作过滤模型的研究

随着网络信息资源的迅速增加,如何及时准确地获取所需信息是现代网络信息过滤技术需要解决的主要问题。为了给用户提供更准确的信息,提出了一种基于用户反馈的智能合作过滤模型(Agent collaborative filtering model based on users' feedback,ACFM)和用户兴趣模型,该模型通过隐式反馈和显式反馈这两种用户兴趣反馈学习实现合作过滤。实验结果表明,ACFM在预测用户兴趣的效果和推荐搜索信息的准确率方面比传统的搜索引擎有明显改善。

基于合作过滤机制的ICMP回溯DDoS攻击源方法

提出一种改进的ICMP回溯方法。此方法是基于合作过滤机制的,采用合作过滤机制能够使产生的ICMP回溯包更有效并在尽可能靠近DDoS攻击源的地方过滤攻击包和保护合法包,改进后的ICMP方法对引发ITrace包的IP包从靠近攻击源的地方同步跟踪到受害者,提高了重构攻击路径的速度和准确性。

基于多Agent混合智能实现个性化信息推荐

在基于Agent的个性化网页推荐中 ,目前主要有两种过滤方法 :基于内容的过滤和基于多Agent合作的过滤。本文分析了单独使用这两种方法存在的不足 ,给出了结合两种方法优点的混合智能过滤算法 ,并通过网络Bookmark服务 ,给出了该算法的一个实际应用系统 ,最后对该系统的运行结果进行了定性分析。

基于用户兴趣的电子商务推荐方法

针对数据稀疏性与推荐实时性的技术难题,在结合传统用户合作过滤推荐的基础上,提出了基于兴趣度向量模型的用户合作推荐机制.该方法合理利用了用户的人口统计信息,即用户提交给网站的注册信息,来辅助基于兴趣度向量模型的推荐方法,在提高预测精度的同时还可以解决推荐系统的新用户问题.采用MovieLens网站上提供的研究数据进行模拟推荐实验,通过对平均绝对偏差对比分析可得,兴趣向量模型的推荐方法在一定程度上比传统合作过滤算法有更高的推荐精度.