基于动态社会行为和用户背景的协同推荐方法

针对传统协同过滤推荐算法推荐精度低及冷启动的问题,提出了一种基于动态社会行为和用户背景的协同推荐方法。作为用户标注行为的结果,变化的标签体现了用户行为的动态性。该方法首先根据动态社会化标签得出用户的动态兴趣偏好相似度,然后根据用户背景信息计算出用户相似度,最后计算基于时间权重的用户评分相似度,并集成上述3个相似度找出最近邻居集,以为目标用户提供更加准确的个性化推荐。实验结果证明,该方法不仅能较好地解决数据稀疏和冷启动的问题,还能有效提高推荐算法的精确度。

集成社会化标签和用户背景信息的协同过滤推荐方法

针对传统的协同推荐算法存在数据稀疏和推荐精度低的问题,提出了一种集成社会化标签和用户背景信息的协同过滤(CF)推荐方法。首先,分别计算基于社会化标签和用户背景信息的用户间的相似度;然后,基于用户评分计算用户间的相似度;最后,集成上述3种相似性度量产生用户间综合相似度,并对目标用户进行项目推荐。实验结果表明,与传统的协同过滤推荐算法相比,所提方法在正常数据集和冷启动数据集下的平均绝对误差(MAE)平均降低了16%和22.6%。该方法不仅能有效地提高推荐算法的精度,而且能较好地解决数据稀疏和冷启动的问题。

结合用户背景信息的协同过滤推荐算法

针对个性化推荐系统中协同过滤算法面对的数据稀疏问题,提出了一种结合用户背景信息的推荐算法。该算法充分利用已有的用户数据和领域知识,对用户背景信息的相似度建模,在进行协同过滤前预先填充用户—项评分矩阵。实验表明该方法能够有效地提高推荐精度,并且不会带来性能上的瓶颈。

搜索引擎新思路——基于用户自定义背景的查询

针对搜索引擎存在的问题 ,提出了一种简便易行的改进方法 ,即基于用户自定义背景的查询 ,使用该方法现有搜索引擎只需作简单改动就可达到较为理想的检索效果 ,可以作为当前搜索引擎向未来智能化搜索引擎的过渡。

微博网络用户的活跃性判定方法

推荐系统的冷启动问题是近期的研究热点,而用户的活跃性判定是冷启动问题的基础。已有方法在判定用户的活跃性时,单纯地考虑了用户发表信息量,对社交媒体的社交关系及行为等特征利用不够。该文面向微博网络,提出了系统的用户活跃性判定方法,创新性主要体现在:(1)提出了微博网络影响用户活跃性的四类指标,包括用户背景、社交关系、发表内容质量及社交行为,避免了仅仅使用用户发表信息数量判定用户是否活跃的粗糙方式;(2)提出了用户活跃性判定流程,提出了基于四类指标的用户与用户集的差异度计算模型。以新浪微博为例,选取了学术研究、企业管理、教育、文化、军事五个领域的900个用户作为测试集,使用准确率P、召回率R及F值为评价指标,进行了实验分析和比较。结果显示,该文所提用户活跃性判定方法的准确率P、召回率R、F值比传统的判定方法分别提高了21%、13%和16%,将该文所提方法用于用户推荐,得到的P、R和F值比最新的方法分别提高了5%、2%和3%,验证了所提方法的有效性。

一种个性化移动搜索技术的研究

在Web上进行搜索时,每个人都有各自的背景和目标,针对移动搜索的个性化需求,提出了一种基于本体的个性化搜索模型。该模型通过隐式地捕捉移动用户的浏览历史,为本体概念赋予相应的权值从而得到用户的兴趣模板。根据用户不断更新的访问行为,采用扩散激活算法来维护调整相应概念权值,最终将经过重排名的结果转换为WAP协议标记语言格式输出给用户。实验结果表明,根据概念权值进行网页重排名的方法对于改进移动用户体验来说是非常有效的。

电子商务的网络结构研究

电子商务是经济和信息技术发展并相互作用的必然产物。狭义的电子商务是指基于数据处理和传输，通过开放的 Internet 网络进行的商业交易，包括企业与企业（B2B）、企业与消费者（B2C）、企业与政府之间的交易活动（B2G）。广义的电子商务是一种全新的商务模式，利用前所未有的网络方式将顾客、销售商、供应商和企业员工联系在一起，将信息传送给人们。具体来说，电子商务是指买卖双方之间利用计算机网络按一定标准进行的各类商务活动，也可以说电子商务就是在网上开展商务活动。基于此，通过探索电子商务的网络结构，以期能为有志于从事电子商务的有关人士提供一定的借鉴。