基于用户情景的协同过滤推荐

为提高基于项目的协同推荐算法的预测效果,引入用户情景因素。首先计算用户情景因素的相异度矩阵,然后按照用户间相异度大小,采用基于等价相异度矩阵聚类算法对用户进行聚类。在聚类后的用户簇中,选取与目标项目相异度小的项目作为近邻,为用户对目标项目进行评分预测。最后,在标准的MovieLens数据集上进行实验。通过对改进的推荐算法与经典的基于项目的协同推荐算法SlopeOne进行比较,实验数据表明改进后算法的推荐结果有较大提高。

打造用户情景敏感的移动图书馆服务

针对用户不同需求提供个性化信息服务是越来越多图书馆关注的重点,用户情景敏感服务则是个性化信息服务未来的重要发展方向。文章结合用户需求、行为习惯以及技术发展讨论用户情景敏感服务在移动图书馆服务时代的发展机遇,然后依据目前移动图书馆服务的主要服务形式和服务内容,分析了在资源超载、资源不足、服务迷失等5个主要情景下用户情景敏感服务开展的可行性和策略。

改进RGM的用户情景状态序列信息预测方法

用户情景状态序列信息缺失补齐是多数据源数据融合研究中数据预处理的关键问题之一.针对用户的情景数据序列中存在信息缺失的问题,在滚动灰色预测模型(RGM,rolling grey model)的基础上提出一种改进方法.该方法对已知用户情景状态原始数据序列进行幂指变换,通过变换后的数据进行滚动灰色预测并将预测出的数据进行幂指逆变换,从而得出情景状态缺失数据的预测值.实验结果表明,该方法在很大程度上提高了预测数据的精确性.

基于关联规则挖掘与用户情景感知的Web服务QoS预测

作为Web服务的非功能性属性,Qo S在服务选择与服务组合中扮演着重要角色。由于一些Qo S属性值会随着用户情景属性的变化而动态变化,因此在做服务选择或服务组合之前先对Web服务的Qo S做预测是非常必要的。该文提出运用数据挖掘技术挖掘服务组合执行日志,研究服务Qo S和用户情景间的关联关系,根据得到的关联规则对不同用户做个性化服务预测。实验结果表明我们的方法非常有研究价值。

基于模糊分区聚类的社交网络用户情景模式预测

为了提高社交网络用户行为分析和情景模式预测能力,优化社交网络建设,结合数据挖掘和行为分析方法进行社交网络的用户特征分析和用户情景模式的优化挖掘,发现社交网络用户行为特征。提出一种基于模糊分区聚类的社交网络用户情景模式预测方法,构建社交网络用户情景模式分布的关联拓扑结构模型,采用Parallel Sets变元轴排序方法进行社交网络用户情景模式存储结构分区调度,结合分段特征提取方法进行社交网络用户情景模式的关联数据挖掘,采用自适应寻优方法求取社交网络用户的情景模式的分布信息,利用模糊分区聚类方法发现用户情景模式数据集中的隐含模式,根据数据模糊分区聚类和挖掘结果,实现社交网络用户情景模式的自适应预测。仿真结果表明,采用该方法进行社交网络用户情景模式预测的准确性较高,提高了对社交网络用户情景模式特征配准的精度,算法处理的实时性较好。

基于本体的用户情景建模方法研究

随着“一带一路”倡议的提出和普适计算的发展,跨平台情景数据正在迅速增加。如何屏蔽用户情景信息的分布性和异构性使计算机能够理解用户情景已成为当前研究热点。本文以茶叶销售为研究对象,通过构建基于本体的用户情景模型,探讨该方法在解决语义交互和信息融合方面的有效性,进而促进新时代跨平台的用户情景信息的有机融合。

用户情景敏感数字信息服务的概念模型

分析影响用户情景的用户信息行为要素和用户行为倾向,讨论用户情景敏感数字信息服务中需重点关注的4类情景,从"情景信息捕获"、"情景信息处理"和"情景应用"服务实现过程角度构建用户情景敏感数字信息服务的概念模型,并对模型6方面重要内容进行讨论。

情景敏感数字图书馆服务系统用户情景的本体建模

文章提出用户情景敏感数字图书馆中间件系统框架,论述了用户情景本体建模方法研究现状,根据数字图书馆的实践特殊需要确定用户情景敏感服务所要描述的五大类情景,利用OWL对这些情景进行本体建模,并对情景模型的初建和更新进行探讨。

面向用户任务的FRBR用户情景分析及个性化模型构建

【目的/意义】在分析FRBR用户情景的基础上构建FRBR用户个性化模型,旨在促进查找、识别、选择、获取四个用户基本任务的实现。【方法/过程】引入情景的相关理论,分析FRBR用户情景要素的构成及其对用户任务实现的影响,采用实体—关系模型探讨FRBR用户情景的实体及实体间的关系,面向用户任务构建FRBR用户个性化模型。【结果/结论】该模型能助于FRBR系统结合用户的当前任务,根据用户数据的分析结果,为用户提供个性化的书目服务。

互联网+图书馆情景化用户偏好的信息服务模式研究

互联网+正在深刻地改变着每一个人的工作和生活方式。文章剖析了互联网+的技术基础,并提出互联网+环境下图书馆信息服务策略,最后构建了互联网+环境下图书馆情景化用户偏好信息服务模式,以期促进图书馆信息服务的发展。

媒体报道与服务如何融入用户生活情景研究

随着新媒体产业的快速发展,企业的营销服务中,以媒体技术为基础,融入用户生活情景研究的相关数据,能够帮助企业开发和设计相应的营销思路。文章以用户生活情景研究为例,分析媒体报道与服务应用的策略。

基于用户模糊聚类的协同过滤推荐研究

传统的协同过滤算法没有考虑用户的自身信息对评分的影响,存在的数据稀疏性、扩展性差等弊端直接影响了推荐系统的推荐质量。对此提出了一种基于用户情景模糊聚类的协同过滤推荐算法。首先根据用户情景信息利用模糊聚类算法得到情景相似的用户群分类,然后在进行协同过滤前预先通过Slope One算法填充用户-项目评分矩阵,以有效改善数据稀疏性和实时性。实验结果表明,改进后的算法在推荐精度上有较大提高。

基于层次分析法的移动扫码支付意愿研究

目的确立用户移动扫码支付意愿评估体系。方法在层次分析法基础上,以用户扫码支付意愿为总目标,将总目标拆分为侧重于外部环境的用户情境和侧重于内部感知的用户体验两个子目标,建立了双体系评估模型。并改良了传统的层级分析法,修正专家打分的主观性,将问卷调查结果和实验数据融入到分析过程中,提高层次分析法的准确度。结果确立了双体系用户扫码支付意愿评估体系,总结了八个一级指标和十八个二级指标,并计算了双体系中各层级指标权重,针对最底层指标与方案层的关系提出了更切实际的改进意见。结论确立用户移动扫码支付意愿评估体系,分析了影响用户支付意愿的指标,并参考此体系对方案层提出了改良建议,为研究用户扫码支付意愿提供了新的研究方向。

Ellis信息搜寻行为模型及其演化研究

David Ellis是国际信息行为研究领域的重要领军人物,由其创建的信息搜寻行为模型具有独特的理论意义.随着社会环境、用户群体的变化,信息搜寻行为模型的活动特征也在不断地发生变化,并表现出了极大的适应性和包容性,为信息行为理论体系的完善做出了很大贡献.文中从用户群体、社会环境、活动特征和模型应用4个方面对Ellis信息搜寻行为模型的演化进行了梳理,展现了Ellis信息搜寻行为模型的详细演化历程,提出了该模型在其演化过程中的不足以及未来的发展方向.

折叠式电脑设计

用户情景调研的第一步就是重返校园,了解孩子们当前的学习环境。通过调研真实课堂情景中笔记本电脑的使用情况,想出了微型移动设备这个点子。