一种基于加权非负矩阵分解的多维用户人格特质识别算法

随着社会媒体的普及,用户信息的爆炸式增长为深入理解在线用户行为提供了非常丰富的信息源.由于用户人格特质是用户行为的主要驱动力,人格特质的差异可能会对用户的在线行为产生一定的影响,因此,用户人格特质识别问题近年来受到了众多学者的关注.首先,基于用户网络结构信息和用户发布内容信息序列构建用户人格特质识别特征,并根据特征重要性为其分配权重.然后,以用户人格特质相关因子约束目标函数,从用户社会网络结构特征、语言学特征和情感特征三个维度利用非负矩阵分解方法识别社会网络中用户的五大人格特质.最后,在真实的数据集上验证了提出框架的有效性,并通过实验以更细的粒度进一步验证了用户人格特质之间相关性的存在,同时证明了特征权重和用户人格特质间的相关性在用户人格特质识别问题中的重要性.文中为社会网络中的多维用户人格特质识别问题提供了一种新思路.

一种多特征因子融合的PageRank算法研究

针对PageRank算法完全依据链接结构排序,未考虑网页内容分析,造成平均分配PR值、主题漂移、偏重旧网页的现象,且已有改进算法存在单一性优化等问题,提出一种多特征因子融合的PageRank算法。该算法为使搜索结果更接近用户查询需求,同时兼顾搜索内容的相关度和查准率,通过添加链入链出权重因子、用户反馈因子、主题相关因子和时间因子,共同改善PageRank算法存在的不足。实验结果表明,所提算法在内容相关性和查准率方面,较其他网页排序算法有明显提高,达到优化Page Rank算法的目的。

数字图书馆用户满意度影响因素实证研究

为提高数字图书馆信息服务质量,增加用户满意度,本文以图书馆服务质量评价模型Lib QUAL+TM为基础,采用文献研究法和专家访谈法,分析和归纳已有研究成果,提出数字图书馆用户满意度影响因素及研究假设;采用问卷调查法搜集数据并分析问卷的信度与效度,通过相关分析和因子分析验证本文研究假设。以此为基础,为避免多元回归分析过程中多重共线性问题,采用主成分法提取因子进行方差最大正交旋转,计算因子负荷及公因子得分,构建数字图书馆用户满意度影响因素模型并进行实证研究。结果显示,为提高用户满意度,数字图书馆应加强与信息因子、人机交互因子和用户因子等有关因素方面建设,从而达到提高数字图书馆用户满意度的目标。

基于CTM-PMF模型的物品推荐

为了克服传统协同过滤推荐技术的局限,提出了一种基于CTM-PMF模型的物品推荐方法。在PMF模型的基础上,引入CTM模型,将PMF模型良好的推荐品质和CTM模型优越的物品表示方法相结合,有效地实现了新物品推荐;通过引入用户兴趣因子,解决了用户对已购买物品的兴趣变化问题。在自建的物品数据集上,利用提出的方法、PMF模型、G-PLSA模型和UBCF方法进行了对比实验,实验结果表明该方法具有良好的物品推荐品质。