基于RSS的层次结构用户兴趣模型的分析与设计

在网络迅速普及的今天,对用户的网络访问行为进行分析并建立用户兴趣模型是经实践证明的有效方法．提出了基于RSS的层次结构用户兴趣模型的建立与动态更新方案,成功地解决了兴趣模型的提取、表示和更新等问题．     

基于用户浏览行为的用户兴趣模型的表示及更新

在分析用户浏览行为获取用户兴趣的基础上,提出一种树状结构模型与向量空间模型相结合来表示用户兴趣模型的方法,基于此用户兴趣模型,把遗忘机制引入模型的更新。这种兴趣模型不但具有加权矢量模型的加权关键词的特点和层次模型的层次性,并且还结合向量空间模型的特点,将用户的兴趣与浏览页面的特征向量结合起来。实验证明,建立用户兴趣模型的方法是合理和有效的。     

标签关联与学习模型相结合的用户兴趣变化识别算法

通过分析用户的UGC内容获得用户的兴趣是目前一个研究热点,识别社交网络的用户兴趣变化对于提供高质量的网络个性化服务具有重要意义.对于UGC贫乏的"冷启动"用户,常用的LDA主题模型获取用户兴趣并不有效,而能有效识别用户兴趣的变化更是一个难点问题.针对这一问题,采用LDA获取网络主题,构建主题-标签模型,在此基础上采用基于标签关联的空间向量相似度计算方法,构建用户-主题模型,并结合学习模型,提出用户兴趣变化识别算法.在实验中,将所提出的算法应用于从微博网站所采集的大规模数据集,较为准确地获得了网络的主题、网络主题的核心用户及其在兴趣主题上的概率分布,有效地解决了模型中用户兴趣变化的识别问题.     

基于用户行为反馈的用户兴趣模型更新算法

在个性化推荐系统中,用户模型是推荐系统的主要依据,模型的好坏直接影响推荐系统的质量。但是在实际的应用中,用户兴趣会随环境和时间发生变化,有可能推荐的商品已不满足用户当前的兴趣需求。本文提出了一种记录用户当前兴趣模型自我更新的算法,通过对用户历史访问数据建立用户兴趣模型,以时间为主线,统计用户当前兴趣。本文以Movielens电影数据集为数据源,在设计的个人推荐系统中应用基于用户行为反馈的用户兴趣模型更新算法,有效缓解了用户兴趣偏移的问题,提高了推荐质量。     

基于用户兴趣模型两段式排序的隐私保护方法

针对现今个性化搜索中用户兴趣模型隐私的保护需要,提出一种基于服务器和客户端协作的用户兴趣模型两段式排序方法.利用基于上下层次结构的树状用户兴趣模型,对其分段在服务器与客户端对搜索结果进行排序,不仅提高了个性化搜索服务质量,而且通过用户可控的开放隐私程度调节,有效地达到了隐私保护的目的;此外,该模型采用动态目录结构,实现了用户兴趣数据的反馈更新,从而使得用户兴趣模型的信息更加精确.实验结果表明:该模型的个性化搜索质量优于Google原始排序结果,这种差距随着用户隐私开放控制程度的提升逐渐变小;在服务器两段排序对中间排序结果的裁剪过程中,只要恰当地选择数据的范围,不仅不会影响个性化搜索服务质量,而且能提高系统运行效率.     

基于数据立方体的用户兴趣模型

兴趣模型是个性化信息技术中的关键问题，有效地获取用户兴趣信息，能更好地为网络用户提供信息服务．提出了基于数据立方体的兴趣模型，说明了模型主要结构及其工作原理．给出1个具体实例，该实例由5个维表及1个中心事实表组成，5个维表包括用户标识、时间、浏览行为、访问的URL地址和访问资源类型．介绍了模型中的一些关键技术，如模型工作原理、用户标识确定、访问资源分类、客户端浏览行为获取等．     

基于概率主题模型的社交网络层次化社区发现算法

针对传统的社区发现算法大多基于网络拓扑结构寻找独立的社区结构,忽略了用户兴趣属性,并且不能有效地发现社区间的相关性和层次关系等问题。该文提出一种新型的基于PAM(pachinko allocation model)概率主题模型的层次化网络社区发现算法,综合考虑了用户的兴趣和用户的社交网络关系,在同一模型平台上实现层次化的社区结构发现和用户兴趣挖掘,并捕捉和揭示社区之间的关联性和重叠性等特征。模型采用Gibbs采样方法进行参数推导。在真实数据集上的实验结果验证了所提出算法的可行性和有效性。     

一种基于桌面信息的个性化推荐方法

针对当前信息检索服务中存在的固有缺陷,提出了一种基于用户桌面信息抽取的个性化推荐方法．详细介绍了通过用户桌面资源信息抽取建立长期用户模型,以及通过工作场景信息抽取建立短期用户模型的算法．长期用户模型提供了完整全面的用户兴趣偏好信息,短期用户模型则为预测用户当前信息需求提供了依据．实验结果表明,基于用户桌面信息抽取的个陛化推荐服务能较好地预测用户当前需求、具有良好的推荐效果．     

认知无线电网络中安全的合作频谱感知

在建立认知无线电网络威胁模型的基础上,分析了恶意攻击下传统合作频谱感知算法性能的下降程度. 为了对抗恶意用户对频谱感知协议的攻击,提出了一种基于信誉的加权合作频谱感知算法. 该算法根据每个认知用户的历史行为更新其信誉值,再利用信誉值为每个认知用户分配加权因子,最后进行加权融合及判决. 仿真结果表明,在威胁环境下新算法优于传统合作频谱感知算法.     

面向大数据的个性化检索中用户匿名化方法

为解决大数据中个性化检索技术所潜在的用户隐私安全和提升个性化信息检索性能之间的矛盾,提出了基于差分隐私与p-link技术相结合的用户兴趣模型匿名化方法．首先对用户的准标示符进行泛化并添加噪音满足差分隐私保护要求,最大化统计数据库中的查询精度,同时最小化识别个体及属性的概率;其次根据用户兴趣之间的相似性将其微聚为满足p-link的等价组,并计算微聚后等价组兴趣条目的权值和等价组质心;最后发布匿名化的数据．大量实验证明：该方法结合差分隐私与p-link两者的特性,实现用户兴趣模型匿名化且用户兴趣基本不发生改变,既能保护用户的隐私信息,又能保证个性化检索性能．     

考虑用户-发布者关系的个性化微博搜索模型

提出了一种考虑用户与发布者建模的个性化微博搜索模型,该模型一方面运用主题模型与语言模型构建微博主题维度的用户兴趣模型,另一方面,融合用户与微博发布者的关系特征,构建用户-发布者关系维度的用户兴趣模型。并将二者进行有效融合,设计了将单个用户的微博作为一个文本的训练方法,解决微博文本短、语料稀疏的问题。基于真实用户搜索反馈的实验表明,融合用户-发布者关系的微博搜索模型可有效提高微博搜索的个性化效果。     

基于双向条目注意网络的推荐系统

提出了一个基于双向条目注意网络(Dual-aspect Item Attention Network, DIAN)的推荐系统, DIAN由2个主要模块组成, 分别是用于建模历史条目和目标条目之间的条目相似性的神经关注模型(Neural Attentive Item Similarity Model, NAIS)和用于建模历史条目之间相似性的双归一化自注意力条目相似性模型(Dual Normalization Self-attention Item Similarity, SAIS)。一方面, 引入神经注意模型来区分用户配置文件中历史项对目标项的影响。另一方面, 为了更好地表达用户的兴趣, 引入自注意力网络, 从用户的历史交互项中推断出条目与条目之间的关系。提出的SAIS模型能够估计用户交互轨迹中每个条目对用户兴趣的相对权重。用双重归一化机制改进了标准的自注意力网络, 并且在2个公共基准上进行大量实验证明所提出的方法优于最先进的推荐模型。     

区分服务模型下的多目标最优化选播路由

针对常见的单目标最优化选播路由算法存在的问题,通过改进链路上的带宽分配机制,提出了一种基于区分服务模型的多目标最优化选播QoS路由算法,为用户提供了分等级的服务,使用户公平有效地使用网络资源．并根据建立的多目标最优化选播模型,采用改进的非支配排序遗传算法来求解此模型．随机网络模型的仿真结果表明:此算法快速、有效,是一种值得推广的快速算法．     

网络不良信息检索特征模型的研究

针对目前大部分搜索引擎没有结合用户的个性化兴趣模型的缺点,提出一种基于个人兴趣的不良信息模型。模型首先将系统的搜索历史、浏览内容、操作行为等数据存人不良信息模型数据库,然后利用数据挖掘方法对网络监管部门的兴趣领域进行挖掘,形成不良信息模型来为不良信息搜索引擎提供专业化服务。实验结果表明：信息模型结合具体算法有良好的准确度和伸缩性,能够达到准确理解用户搜索意图的目的     

基于网络结构与用户内容的动态兴趣识别方法

提出了将社交类服务中的两类极为重要的数据--社交网络结构数据和用户所发布的文本内容数据相结合的动态兴趣识别方法.首先通过定义时间窗口,对社交网络用户的实时文本信息进行主题建模,识别用户实时兴趣概率特征;然后将微观网络结构信息与用户好友的兴趣信息相结合,构建预测特征;最后,建立逻辑回归、支持向量机等分类器,采用所构建的预测特征对用户兴趣进行动态预测.在新浪微博中的应用表明,该方法具备一定的有效性.     

基于自主化情报定制的新型发布/订阅系统研究

情报按需分发技术是网络中心战中发挥信息优势、形成决策优势和作战优势的关键技术.针对目前战场情报分发的特点,建立了一个基于自主化情报定制的新型发布/订阅系统模型,并对情报用户兴趣模型建立、更新以及情报推荐算法等系统实现的关键技术进行了研究.与其他发布/订阅系统相比,基于自主化情报定制的新型发布/订阅系统更适合现代战场海量信息、动态、复杂的本质,可以提高指挥员的决策效率.     

基于向量空间模型的个性化网页搜索算法研究

为解决信息检索时不同用户对搜索结果有不同期望的问题,提出了一种基于向量空间模型的个性化网页搜索算法。针对用户不同兴趣,利用用户画像能够更加全面地表示用户兴趣的特点,通过向量空间模型建立用户画像来表达用户兴趣,结合传统的网页排序算法得出最终的网页排序结果。对于不同用户可得到不同的网页搜索结果,排序靠前的网页中符合用户兴趣的网页数量增多。通过对模拟网页搜索实验结果的分析,证明所提算法较传统PageRank算法在个性化网页搜索方面有所提高。     

基于隐马尔可夫模型的用户兴趣漂移模式发现方法

把隐马尔可夫模型引入到兴趣漂移模式发现方法中,采用概念漂移的思想处理用户兴趣的漂移,拓展了隐马尔可夫模型的应用领域,提出了基于隐马尔可夫模型的用户兴趣漂移方法,由此可以发现用户带有兴趣的漂移模式,反映用户的访问偏好.     

基于XML的WEB数据挖掘系统研究

在论述WEB数据挖掘技术理论后,详细探讨了WEB数据挖掘的内容、流程、任务.根据用户的行为建立用户的兴趣模型,在此基础上对中文网页进行推荐,使用户最感兴趣的信息显示在最前面.     

一种非合作博弈下的无线网络接入选择方法

针对如何根据用户的需求在无线网络中选择接入网络的问题,依据不同接入网络之间的非合作关系以及接入网络与用户之间的非合作关系,建立了非合作博弈下的基于支付函数的模型．该模型根据多属性决策理论,运用灰色关联分析法对不同网络的性能参数进行归一化处理,将得到的灰色关联等级作为支付函数进行比较,选出较优秀的网络．通过求解用户与较优秀网络间的纳什均衡,得到用户的接入网络选择．实验结果表明,该方法能够根据用户的需求有效地选择合适的接入网络．