基于混合兴趣主题模型的推荐方法

针对跨领域项目推荐过程中用户兴趣稀疏造成的推荐冷启动问题,提出一种基于混合兴趣主题模型兴趣领域潜在狄利克雷分布(PA-LDA)的推荐方法。PA-LDA使用兴趣潜在狄利克雷分布(P-LDA)模块挖掘用户历史行为数据,生成关于目标项目中兴趣主题的概率分布,综合考虑主题和项目内容词对兴趣的影响进行参数估计建模,得到用户对目标项目的兴趣评价。PA-LDA使用领域潜在狄利克雷分布(A-LDA)得到领域对项目目标的兴趣评价,混合两类兴趣评价,使用top-k方法推荐目标项目。在EdX和GCSE两组真实数据集上进行实验,验证方法的有效性和准确性。研究结果表明:PA-LDA可以有效解释用户兴趣和领域兴趣对项目推荐的作用原理,实现多维领域推荐的兴趣特征捕捉,提升推荐的适应性与准确性。

结合四叉树划分的差分隐私位置发布算法

差分隐私技术是一种与背景知识无关的强隐私保护模型,其通过应用随机算法对真实位置添加噪声进行干扰后发布,然而在位置发布时大多会忽略了位置稀疏程度对位置差分隐私保护算法的影响.针对此问题,本文在已有发布算法的基础上,提出了一种位置差分隐私发布算法DPLIP:首先针对用户兴趣区外的扰乱位置点,采用映射函数对其进行处理,以减小噪声注入量;其次按照四叉树结构对用户兴趣区进行划分,并以各个节点权重占总权重的比值作为区域划分的依据;最后结合划分后区域的位置点稀疏程度对该区域位置点添加噪音,然后从真实位置和扰乱位置中随机选取位置点进行发布.实验结果表明:相同隐私预算的前提下,DPLIP算法能有效的提高可行性和数据可用性.

基于农业本体的区域用户兴趣模型研究

农业生产的地域性使得许多农产品具有很强的区域特色,结合了区域特征及农户自身对信息需求的特点,提出了基于农业本体的区域用户兴趣模型构建方法,该方法能更好地描述用户意图,将区域用户需求与农业信息推送系统中的信息资源进行语义匹配,为更好地实现个性化农业信息推送奠定了基础。

基于印象空间的互联网广告效果评价

互联网广告效果评价是网络营销的核心问题,评价方法存在信息源单一、无差别假、全局假设等问题,对互联网广告效果评价提出了巨大挑战。寻找一种全新的衡量互联网广告效果的评价指标成为亟待解决的任务。首先,创新地提出印象空间概念,作为更有效的网页广告效果评价指标,以解决信息源单一问题;其次,分析用户类型、行为方式、行为过程等特征对互联网广告效果评价标准的影响,消除用户无差异假设所造成的评价偏差;再次,引入网页的局部性特征,分析页面布局、广告与页面内容相关性等因素对互联网广告效果的影响,以消除全局性假设;最后,构建基于多模态特征的印象空间模型来预测互联网广告效果。实验结果表明,提出的印象空间对互联网广告质量评价的准确率显著提升,达到92.4%。而且印象空间模型的预测结果不仅更加准确科学,而且具有明显的可解释性。