-
题名用户兴趣分类在个性化搜索引擎中的应用
被引量:9
- 1
-
-
作者
李银松
施水才
张玉杰
吕学强
-
机构
北京信息科技大学中文信息处理研究中心
大连工业大学信息学院
-
出处
《情报学报》
CSSCI
北大核心
2008年第4期535-540,共6页
-
基金
基金项目:863计划重点项目(2006AA010105)
国家自然科学基金项目(60772081)
+1 种基金
北京市属市管高校人才强教计划项目(PXM2007-014224-044677)
北京市教委科技发展计划项目(KM200710772010).
-
文摘
个性化搜索引擎是指在普通搜索引擎的基础上,根据用户的背景,兴趣等调整排序算法,针对不同的用户提供不同的服务。本文对搜索引擎的排序算法和用户行为进行了深入细致的研究,通过隐性方法收集用户行为信息,统计并构建用户长期兴趣模型,短期兴趣模型,时段兴趣模型等,利用向量相似度计算获取最适合用户当前状态的兴趣模型,最后将该兴趣模型结合到搜索引擎的排序算法中,影响文档得分,实现结果集的个性化排序。实验证明,该方法简单有效,可以增加搜索引擎对用户兴趣的应变能力。
-
关键词
信息检索
个性化搜索引擎
用户兴趣分类
LUCENE
-
Keywords
information retrieval, personalized search engine, user interest classification, Lucene
-
分类号
G252
[文化科学—图书馆学]
TP393.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于一维卷积混合神经网络的用户兴趣分类
被引量:2
- 2
-
-
作者
王巍
洪惠君
刘阳
梁雅静
无
-
机构
河北工程大学信息与电气工程学院
河北省安防信息感知与处理重点实验室
江南大学物联网工程学院
-
出处
《现代电子技术》
2022年第7期58-64,共7页
-
基金
国家自然科学基金项目(61802107)
河北省物联网数据采集与处理工程技术研究中心开放课题(2016-2)
+1 种基金
教育部-中国移动科研基金项目(MCM20170204)
江苏省博士后科研资助计划项目(1601085C)。
-
文摘
个性化推荐系统的关键是挖掘用户的情感偏好,而网络中大量的用户浏览行为记录为此提供了线索。传统描述兴趣度采用的方法是选择典型的浏览行为构造多元线性回归模型,然而浏览行为之间相互联系,容易导致共线性问题。为了提高挖掘用户兴趣的准确度,引入卷积神经网络(CNN)和胶囊网络(CapsNet),提出一种混合神经网络预测模型。首先,在卷积神经网络中对多种浏览行为使用一维卷积和最大池化操作提取局部特征;其次,在胶囊网络中将卷积网络输出的特征向量作为胶囊层的输入,使用动态路由算法对行为特征进行整体特征提取;最后,使用softmax分类器进行兴趣预测分类。实验结果表明,该模型在训练集的准确率高达95.8%,同时在测试集上的准确率都优于CNN和CapsNet,且该模型在训练过程中交叉熵损失明显低于CNN和CapsNet。采用该方法可以利用多种浏览行为准确挖掘用户的兴趣,提高了推荐系统的服务质量。
-
关键词
用户兴趣分类
混合神经网络
推荐系统
预测模型
特征提取
池化操作
-
Keywords
user interest classification
hybrid neural network
recommendation system
prediction model
feature extraction
pooling operation
-
分类号
TN711-34
[电子电信—电路与系统]
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于用户兴趣分类的书籍自动推荐系统设计
被引量:5
- 3
-
-
作者
胡至洵
杜宇
刘潇月
-
机构
山东大学
-
出处
《现代电子技术》
2021年第6期58-62,共5页
-
基金
山东省重大自然科学基金项目(ZR2018ZB0420)
2019年度山东省社会科学规划研究项目(19CTQJ03)。
-
文摘
书籍自动推荐系统是数字化信息和网络化时代飞速发展的必然结果。为使书籍自动推荐结果符合用户的需求和兴趣,建立基于用户兴趣分类的书籍自动推荐系统。采用离线模块对历史存储数据进行分离处理及数据清洗,完成用户兴趣特征提取,形成用户兴趣数据库子模块;在线模块利用推荐引擎对用户兴趣数据库子模块内的信息进行聚类分析及关联分析,获取与用户兴趣数据相似的数据,形成初步推荐集子模块后,采用用户兴趣分类的协同过滤推荐算法,完成用户兴趣分类的书籍自动推荐。测试结果表明,该系统具备良好的书籍自动推荐性能、准确的用户兴趣匹配度及优质的推荐结果,符合用户需求。
-
关键词
书籍自动推荐
用户兴趣分类
数据处理
特征匹配
系统设计
系统测试
-
Keywords
automatic book recommendation
user interest classification
data processing
feature matching
system design
system testing
-
分类号
TN911-34
[电子电信—通信与信息系统]
TP399
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多模数据的微博用户兴趣识别研究
被引量:10
- 4
-
-
作者
曾金
陆伟
陈海华
贺国秀
-
机构
武汉大学信息管理学院
武汉大学信息检索与知识挖掘研究所
-
出处
《情报科学》
CSSCI
北大核心
2018年第1期124-129,共6页
-
基金
国家自然科学基金面上项目(71473183)
-
文摘
【目的/意义】通过社交媒体用户分享的图像、博文及用户标签进行数据挖掘,来判断和预测用户的真实兴趣,从而更好地为用户做个性化推荐和精准化服务。【方法/过程】在获取微博用户分享的图像、博文及用户标签的基础上,通过使用机器学习的方法利用图像、博文及用户标签数据来表达用户兴趣特征,基于三类特征使用SVM训练得到分类器进行用户兴趣类别预测,主要比较单模数据和多模数据的分类指标,探讨多模数据在有监督学习下的发多分类问题。【结果/结论】实验结果表明,利用图像、博文和用户标签合成的多模数据对用户兴趣进行分类识别,F值达到77%,比最好的单模数据提升10%。实验结论证实,多模(图像、博文和标签)数据与单模数据相比,提升了分类效果,同时为多模数据应用研究提供了一定的理论和技术基础。
-
关键词
社交网络
数据挖掘
兴趣识别
多模数据
用户兴趣分类
-
Keywords
social network
data mining
user interest identification
multi-mode data
user interest classification
-
分类号
G252.0
[文化科学—图书馆学]
-