基于关联规则相关性分析的Web个性化推荐研究

通过分析关联规则在Web个性化推荐中存在的问题,对Web个性化推荐的关联规则相关性分析算法进行改进,并进行了详细的论证和仿真实验。实验结果表明改进的算法能实现更低支持度的推荐,能提高推荐的准确率和速度。

企业知识发现中的个性化Web推荐服务研究

本文主要论述企业知识发现中基于个性化服务的We b推荐构成,提出了基于个性化技术构建用户兴趣模型的算法.文章根据用户有无介入兴趣模型构建的学习过程区分n元预测模型、用户兴趣关联规则库及利用用户兴趣词典进行W eb页面请求预测的算法.最后介绍了Agent 技术在企业个性化Web推荐系统中的应用.

Web个性化技术研究综述

Web个性化是近年出现的一个重要研究方向,它是Web使用挖掘和信息技术在新的Web和Internet环境下相互融合的产物。首先讨论了Web使用挖掘及个性化的概念、研究内容和核心技术,然后对Web使用挖掘的关键技术进行了综述,包括数据采集与预处理、模式发现、语义Web与个性化等,并给出了它们的研究重点和发展方向,最后是个性化系统的研究展望和面临的挑战。

一个个性化的Web信息采集模型

介绍了个性化技术和个性化Web信息的采集技术,重点分析了个性化的Web信息采集模型,包括系统总体结构、用户兴趣的获取、个性化Web信息采集流程、个性化推荐的实现。最后对个性化Web信息采集与搜索引擎作了一个比较,分析了个性化Web信息采集的应用。

基于地理-时间意图和偏好的个性化Web搜索框架GT-WSearch

基于Web查询的地理位置、时间查询意图和用户偏好的个性化Web搜索可以改善Web搜索结果,更好地满足不同用户的信息需求。提出了GT-WSearch个性化Web搜索框架,它通过挖掘搜索结果、用户点击数据和对查询进行分析得到的用户概貌和查询概貌,来捕捉用户的地理-时间的意图和偏好,提高搜索质量。用户概貌表明了查询自身的地理-时间的特性。GT-WSearch框架在排序函数中利用文档的地理位置、时间的相关度来进行个性化搜索。最后将使用线性的相关度排序函数进行重新排序的搜索结果返回给用户。大量实验结果表明,所提出的个性化方法在提高Web搜索结果的质量中取得了明显的效果。

基于少量示例的个性化Web信息自动获取系统(英文)

基于关键词的搜索引擎满足了人们一定的需要,但由于其通用的性质,并不能满足用户的个性化需求,为此,设计并实现了一个基于示例的个性化Web信息自动获取系统.该系统采用了一种新的基于少量Web示例网页和语料库词频统计的特征抽取算法和过滤阈值设定方法.实验结果表明,较基于关键词的搜索引擎而言,该系统能充分考虑用户的兴趣偏好(示例),长期、主动地向用户提供更加准确的Web信息获取服务.

基于个性化Web信息推荐模型的研究

针对目前的推荐系统存在个性化程度不高,提出了一种采用语义Web的个性化Web信息服务模型,并对模型实现的关键问题进行分析研究。实现了个性化需求库和个性化资源库的语义构建,个性化程度更高、更智能。实验证明,该模型是有效的。

一种Web个性化中的本体论生成方法(英文)

在语义W eb中,用户访问行为模型可以作为本体论共享。如何把W eb访问活动转变成为体体论是一个非常关键的问题。为了解决这个技术问题,本文提出了一种在W eb个性化中集成模糊逻辑和形式化概念分析的本体论自动生成方法。文章首先对W eb个性化语义W eb和本体论进行了介绍,然后该方法的体系结构及其生成过程也被详细地论论述。

EI Compendex Web的个性化服务功能与使用

介绍了EI Compendex Web个性化服务的功能以及使用方法。

基于隐马尔可夫模型的Web站点服务个性化推荐研究

基于隐马尔可夫模型开发了用户浏览兴趣迁移模式,该模式下Web站点能合理地推荐用户感兴趣的信息,加速用户对站点的访问,较好地解决了个性化网站的自适应问题.

关于web在互联网上应用与个性化定制分析

随着网络科技的高度发展,web在互联网上得到了越来越广泛的应用,为我们的日常学习生活提供了便利的条件,因此得到了更多的关注和应用。基于web平台的个性化定制就是其中一项。利用信息技术和网络技术进行产品的定制是一种全新的营销手段,许多企业纷纷建立起了自己的网络站点,利用web平台的个性化定制更好地满足客户的要求,制造出更具个人特色的产品。这一方面满足了客户对个性的追求,另一方面则大幅提升了企业的综合竞争力。

基于Web数据挖掘的文献个性化推荐系统的设计

基于数据挖掘的Web个性化信息推荐服务日益成为一个重要的应用技术,通过使用FP-tree关联规则挖掘算法对用户文献阅读信息进行分析,发现用户的阅读习惯和阅读兴趣,进而为用户进行个性化的文献推荐,从而提高网站对用户的吸引力。

个性化Web页教材动态构建的初步研究

本文针对静态设计的Web页教材无法满足学习者个性化学习需要的问题,研究应用“学习对象”的概念动态地构建个性化的Web页教材。这种技术将教学内容分解成若干独立、可重复使用的片段,即学习对象。在远程教学的实施过程中,根据学习者的学习特性动态地将它们组合起来,构建与学习者各自学习风格、学习需求相匹配的个性化的Web页教材。文章首先介绍学习对象的概念及其学习对象在网上的存储与管理,然后讨论学习对象的粒度问题和Web页内容关联的问题,最后报告我们的初步实验结果。

基于大数据的Web个性化推荐系统设计

为了解决基于数据挖掘技术的Web个性化推荐系统对Web的推荐结果准确率低,反应时间长的问题,设计基于大数据的Web个性化推荐系统。塑造系统组成框架图,设计系统的总体功能包括源数据采集、数据预处理、用户兴趣分析与实现、个性化推荐以及推荐引擎。源数据采集利用Sqoop工具将数据库中的数据转移到HDFS中以便H-ICRS算法进行数据提取,并获得推荐的历史数据,实现作为系统上层数据支持的功能。针对分析用户长远和当前的Web兴趣度,分别采用语义分析模型和分片聚类的方法,分析用户Web使用兴趣。塑造单个推荐引擎的推荐引擎架构,得到最终的Web个性化推荐列表。实验结果表明,所设计系统的Web个性化推荐结果准确率高,系统的抗压能力强。

垂直搜索在个性化Web搜索中的应用

本文先介绍了个性化Web搜索,然后根据个性化Web搜索提出的要求引出了垂直搜索技术,并探讨了与通用搜索引擎相比较而言,将垂直搜索应用于个性化Web搜索的优越性。最后介绍了垂直搜索中的关键性技术,即信息提取技术,并着重给出了基于网页布局和关键字段的信息提取技术。

基于Web环境的个性化学习

个性化学习是以学生为主体的学习方式,它是指在学习过程中根据学生自身基础、学习习惯和爱好以及对知识点掌握程度的不同,给出相应学习策略、学习内容的学习模式。随着网络技术的飞速发展,网络所具有的强大交互性和分布式特点为个性化学习提供了技术上实现的可能。因此,构建基于Web的个性化环境,充分利用网络的优势来进行个性化学习,对当前的教育环境很有帮助。本文以计算机文化基础课程为例,设计了基于Web的个性化学习环境,并对该系统的理论基础、设计原则、技术应用等方面进行了探讨。

Web2.0环境下的高校图书馆个性化网站的设计研究

随着计算机技术的发展,高校资源建设的不断加强,高校图书馆要不断满足用户的需求实现个性化的服务。本文通过分析学校与用户的需求,结合相关的技术应用,设计了web2.0环境下的高校图书馆个性化网站的主要功能。

基于Multi-Agent协同进化机制的Web个性化信息推荐的研究

Web个性化信息推荐是近年来的研究热点,但是面对Web信息量大、数据异构及信息安全等难题,以及信息推荐中信息过滤系统不透明、算法歧视、信息窄化等新问题,笔者根据Multi-Agent协同进化机制具有的并行性和自组织、自适应、自学习等智能特征,提出将Multi-Agent协同进化机制应用于Web个性化信息推荐,设计了基于Multi-Agent协同进化机制的Web个性化信息推荐系统。其中Multi-Agent根据内外部环境变化对适应度进行检测和评估而进行协同进化,由最优Agent产生推荐信息。这样有效帮助用户准确、快速地获得Web个性化推荐信息。

个性化Web课堂建设

现代远程教育的迅速发展正在呼唤个性化的Web课堂 ,紧跟信息技术发展而倍感重负的教师正在呼唤建设个性化Web课堂的技术支撑 本文基于对流式视频技术和Web教学环境特点的分析 ,提出一组Web授课模型 ,及相应的教师备课系统的解决方案 ,以帮助教师逐步摆脱信息技术的具体形式 。

基于前后端日志记录的个性化推荐系统

为了有效地吸引和留住用户,提高网站服务的质量,在原有个性化实现技术基础上,提出了一种前后端日志相结合的方式存取用户浏览信息,对用户浏览站点的行为进行跟踪,为Web日志挖掘提供更精确有效的信息。结合前后端日志记录相结合的策略,提出了一个可伸缩的,独立于具体Web站点的页面推荐系统架构。实验分析结果表明,该方式能更准确全面的收集用户数据,同时个性化模块以一种非侵入的方式与系统集成,提高了系统的灵活性,方便系统重用。