一种基于情景相似度的多维信息推荐新方法研究

传统信息推荐方法只涉及到用户和项目（资源）这两个因素，忽略了情景因素，导致推荐效率比较低，而多维信息推荐在推荐的过程中考虑情景因素对用户行为的影响，动态捕捉用户兴趣在不同情景下的变化，从而大大地提高了信息推荐的效果，向用户提供更加个性化、智能化的推荐结果。本论文首先分析传统信息推荐的主要流程，然后提出了情景以及情景相似度这两个新的概念，构建了基于情景相似度的多维信息推荐系统模型，研制了基于情景相似度的多维信息推荐算法，并通过实验研究的方法验证了论文所提出的新算法的高效性与优越性。

基于情景相似度的口述历史资源事件自动识别研究

口述历史资源是个人记忆与社会记忆结合的一种资源形式,其形成过程也是社会记忆再生产的过程,具有典型的叙事特征。对口述历史资源中的名人历史事件进行语义建模,并在元数据层面开展名人历史事件识别具有重要的理论意义与实践意义。文章在构建语义模型的基础上,优化一种计算口述历史资源事件情景相似度的方法,以李政道和CUSPEA事件为例,构建实例事件的情景单元,提取情景要素后对李政道特藏资源中的口述历史资源进行实验。实验结果表明,在设置阈值为0.6时,判断准确率为76.19%,能较大提高此类资源事件标识的效率。

基于情景相似度的突发事件多粒度响应模型研究

【目的/意义】城镇化进程不断深入,同时气候变化不确定性日益增强,导致城市洪涝灾害突发事件频发。目前城市洪涝灾害突发事件存在各类洪涝灾害信息繁杂、决策需求信息混乱、响应措施针对性不强等特征,究其原因,处于不同层次的决策者无法得到有价值的决策信息,为不同层次决策者提供与之相适应粒度的情景信息显得尤为迫切。【方法/过程】针对城市洪涝突发事件态势演化迅速、难以控制的特征,对突发事件进行情景要素分解,引入支持向量机和相似度算法,基于粒度原理构建一种融合情景的动态响应模型,实现了从决策高层到基层的情景细化。【结果/结论】该模型可快速聚焦事件演化的关键节点,为不同层次的用户提供了决策支撑,并通过常州市的洪涝灾害事件得到了有效的验证。【创新/局限】通过细粒化突发事件的情景单元,满足不同层次用户的决策需求,实现应急决策的情景化,但情景层次之间的映射关系与转换算法,还需进一步明确。

基于推荐函数情景化的多维信息推荐研究

多维信息推荐在推荐的过程中考虑情景因素对用户行为的影响,动态捕捉用户兴趣在不同情景下的变化,向用户提供更加个性化的推荐结果。首先介绍多维信息推荐的维度、情景、推荐函数与推荐流程等相关内容,然后提出了推荐函数情景化这一新的方法,构建了基于推荐函数情景化的多维信息推荐系统模型,研制了基于推荐函数情景化的多维信息推荐算法,并通过实验研究的方法验证了论文所提出的新算法的高效性与优越性。

一种基于位置服务信息的移动推荐模型

随着移动终端技术和传感技术的快速发展,如今可以很方便地通过移动终端获得用户所处位置情景信息。目前基于位置推荐的研究已有不少,但对位置情景在推荐系统中的运用方式、重要程度及权重分配上仍有不足之处。针对现有研究的不足,在传统的用户×项目二维推荐模型的基础上,引入位置情景,建立用户×项目×位置三维模型,提出一种针对移动终端环境的混合多维推荐模型,融合了位置情景相似度过滤、协同过滤以及项目相似度过滤三个维度的推荐。实验表明,该推荐模型具有更好的推荐效果。