基于用户行为的个性化电商信息推送系统设计

为提高推荐产品与用户需求产品的适配度,基于用户行为分析设计了一种针对电子商务的个性化信息推荐系统。首先,使用网络爬虫技术检索电子商务平台的运行终端,获取电商用户行为信息;其次,构建电商用户行为信息表,分析获取的用户行为数据,通过用户对产品需求来计算用户的偏好度;最后,引进关联规则,挖掘符合用户喜好的产品,实现个性化信息主动推送服务。实验证明,该系统推荐的商品与用户需求产品两者适配度在90%以上,且系统推送后,显著提升了用户在电商平台的点击次数与浏览时间。     

图书馆个性化服务用户需求信息的深层挖掘分析

针对图书馆个性化服务中用户需求信息的深层挖掘问题,分析了图书馆个性化服务过程中用户需求明显信息和隐含信息 两种体现方式,其中明显信息包括用户的注册及定制信息和反馈服务信息;隐含信息是指在Web 访问记录中用户的隐藏需求信 息。根据不同体现方式的用户需求信息,提出了数据库统计、Web 数据挖掘、反馈互动评价三种深层挖掘用户需求信息的方法,其 中以挖掘实例重点介绍了Web 数据挖掘方法,并对这三种方法进行了比较,为在图书馆个性化服务中建立一个综合有效的用户 需求信息挖掘系统提供了参考。     

基于查询意图识别与主题建模的文档检索算法

传统的搜索引擎仅返回给用户包含查询关键字的文档,忽略了查询背后用户真正的信息需求。为此,将文档检索看作个性化推荐问题,提出一种查询意图识别的主题模型个性化检索算法。对用户检索历史进行潜在狄利克雷分布主题建模,结合检索历史主题模型识别用户查询的潜在意图,并按主题相关度进行文档推荐,计算查询到文档集的KL距离对文档集排序,最终返回给用户个性化检索文档列表。实验结果表明,与基于协同相似计算和基于用户聚类的推荐算法相比,该算法能够更准确有效地为用户提供个性化检索。     

新的基于日志分析的用户个性化模型

作为个性化服务技术的核心,用户模型的质量关系到个性化服务的质量。目前的用户模型大多只考虑用户的显式信息或隐式信息,很少同时考虑两者,使得检索质量不如人意。提出了一种新的基于日志分析的用户个性化模型,结合了传统的显式建模和隐式建模的优点,把显式个性化信息和隐式个性化信息通过两层树状结构结合起来。模型同时考虑了用户历史信息的长短期划分,以及检索系统返回结果的顺序和用户对结果页面的点击顺序。实验结果表明,基于该用户模型的个性化检索效果与原有检索系统的检索效果相比有显著提高。     

实现Web页面的智能个性化检索

给出了对Web页面进行智能个性化检索的系统结构和实现原理,采用Agent技术和用户手工调整相结合的方法确定用户检索的个性化模式,通过K-modes算法聚类学习用户反馈信息,产生新的个性化模式。更精确地满足用户的个性化检索需求,降低了检索结果的重复率,在一定程度上提高了检索的精度和效率。     

基于用户兴趣的个性化搜索引擎的设计

建立了个性化条件下的用户兴趣模型。该模型借助于对用户自身信息和其他用户访问信息的挖掘,得到用户兴趣向量,并以此对检索结果进行过滤,从而使用户得到的检索结果能够满足用户个人爱好。最后,本文应用该模型设计了一个个性化搜索引擎系统。     

个性化Web信息检索系统的研究与实现

所谓Web信息检索,是指在海量的网络信息中,搜索出符合用户需要的信息。这是一种快速查找的信息检索方式,但是存在的问题是缺乏个性化,因为用户在输入关键词之后,会检索出来大量的信息,真正符合用户需求的信息可能不会排列在靠前的位置,从而使用户搜寻所需信息变得困难。因此,为了更好的使用户检索到所需的信息,就有了个性化Web信息检索系统的研究。本文通过设计思想的阐述,提出了个性化Web信息检索系统的设计与实现。     

基于互联网用户心理挖掘的网站深翻系统

基于人工检索和顶置的网站优化系统工作效率低下,响应速度慢。为消除上述问题,提出并设计了基于互联 网用户心理挖掘的网站深翻系统。该系统通过相关网站及自身的观点挖掘活动,检索近期网络热点,并根据历史信息 对客户需求进行测度和提取;最终将按照客户的观点需求和当前热点,从历史数据库中提取既往信息进行网站优化。 仿真实验表明,该系统能够较好地实现互联网用户心理挖掘及网站的搜索引擎优化,提高网站点击率。     

个性化检索中的用户ontology及其构建

为使用户能够从信息庞杂的网络中方便准确地找到自己所需的信息，在传统检索技术的基础上，结合ontology及个性化检索技术的研究，提出个性化检索中用户ontology的概念，讨论了基于行为的用户描述文件的建立，并制定了个性化检索中语义关系的提取规则。最后在此基础上给出了用户ontology的构建方法，并通过比较实验说明了用户ontology在个性化检索中的有效性。     

个性化的社会标签查询扩展技术研究

随着互联网上的信息日益增长,个性化的搜索需求越来越迫切,由于用户兴趣的不同和行为的差异,如何为不同的用户提供不同的检索结果成为一个具有挑战性的问题。首先对现有搜索引擎的个性化信息检索和查询扩展技术进行了分类总结,分析了它们各自的优缺点。然后提出了基于社会化标签的个性化查询词扩展方法。这些方法通过从用户所收藏的社会化标签或标签所对应的网页中提取出和用户查询词相关的词,来对用户的初始查询进行扩展。最后利用Delicious网站上的用户数据,对比研究了这几种个性化查询扩展算法。通过与Google进行对比分析实验,结果表明所提出的社会化标签的个性化查询词扩展方法能够较好地满足用户的个性化需求,检索结果比Google的检索结果更接近用户需求。