共查询到19条相似文献,搜索用时 125 毫秒
1.
传统推荐方法中将用户建模为向量的建模方式只关注用户单方面偏好,为了弥补此种建模方法的局限性,提出一种将用户建模为矩形的张量建模方法。构建了一个基于融合协同过滤与序列推荐算法的推荐模型,该模型集成了Fastformer模型和键值记忆网络对用户张量进行建模;结合用户张量与目标物品的距离及偏置项对用户张量与目标物品的相似度进行计算。在MovieLens和CiaoDVD数据集上对该模型进行实验验证,实验结果表明,该模型能够关注用户多方面偏好并在推荐结果的精准度上优于基线方法,特别是在HR与NDCG评价指标上分别比现有基线方法平均提高了1.4%、1.95%。 相似文献
2.
随着检索技术的发展,交互式检索在信息检索领域中变得尤为重要。交互式检索在传统检索模式下增加了捕捉用户细粒度行为的功能,以便通过用户模拟器提升检索引擎性能。基于规则的用户模拟器缺乏个性化用户特征,适应性较差。基于模型的用户模拟器能够学习到更多的用户个性化行为特征,可以有效提升交互式检索引擎的性能。阐述了用户模拟器与检索引擎的交互过程,对基于规则的用户模拟器和基于模型的用户模拟器的构建方法以及近年来用户模拟器的评价方法进行了归纳总结,并重点介绍了基于模型的用户模拟器。最后对比了面向交互式检索的用户模拟器和传统的用户模拟器的差异,并以交互式学位论文检索场景为例,通过此检索场景对用户模拟器的应用进行了展望。 相似文献
3.
针对现有的大多数序列推荐模型只考虑与用户交互的项目序列,却经常忽视用户的微观行为即用户与项目交互的具体操作行为的问题,本文提出了一种融合用户项目序列和微观行为的序列推荐方法,在学习用户宏观项目序列特征的基础上,将用户微观行为考虑进来.首先进行多层次序列特征的学习与提取,由于宏观项目序列和微观操作序列表现着不同的转换模式且对序列推荐任务有着不同的影响,因此分别利用图神经网络与Transformer对项目序列与操作序列进行建模,以充分捕获序列中项目的转换模式,学习到更加细粒度的特征,然后计算可能成为下一项推荐的得分,为用户生成下一项推荐.实验验证了本文提出方法的有效性. 相似文献
4.
5.
作为个性化服务的基础和核心,用户建模的质量直接关系到个性化服务的质量.文章将用户建模的过程分为5个关键模块:输入、输出、建模时间、建模的对象、建模算法,并围绕这5个方面,对用户建模当前的研究现状、所面临的关键议题进行了系统的论述.其中,输入模块为用户模型的建立提供了必要的数据源,输出模块则描述用户模型的表示方式,建模时间描述了建模的时间长度和更新方式,建模的对象描述了对谁进行建模,建模算法则描述了几种典型的建模方法.最后对用户建模的技术发展进行了展望. 相似文献
6.
本文提出一种基于网页结构特征的用户建模技术。它通过对某些网页标记内的词汇人为提升词频数,将提取到的网页特征加入到用户模型的计算中。实验结果表明,该技术能建立更有效的用户模型。 相似文献
7.
8.
孙多 《数字社区&智能家居》2007,(11):631-632
用户兴趣模型用于描述用户的个人信息、专业背景、偏好倾向和历史行为等,通过这些信息,系统可以发现和预测用户的信息需求,从而对用户进行个性化的信息推荐服务。用户兴趣模型是影响推荐系统服务效率的重要因素,因此针对用户兴趣进行建模是个性化推荐系统实现中要重点考虑的问题之一。本文从教育网站用户对象特点出发,提出了将用户兴趣分为固定兴趣与临时兴趣相结合的动态模型: 相似文献
9.
文章说明了用户模型在人机界面中的重要性。在分析了面向对象和用户模型的特征后,作者认为面向对象方法适合于建造用户模型。本文提出了一个通用的用户模型生成器,它采用面向对象的知识组织方式,利用对用户反复分类和用户对类的多重继承,以及消息传递,对象中封装的方法,及冲突消解策略完成用户属性的动态修改,建造动态的用户模型。 相似文献
10.
基于位置社交网络(Location-based social network, LBSN)的兴趣点(Point-of-Interest,POI)推荐算法是近年来的研究热点,有效的POI推荐具有极大的经济和社会效益。针对LBSN中的数据稀疏问题、用户细粒度兴趣(即用户的长期和短期兴趣)序列建模问题和联合多种影响因素的POI推荐问题,研究一种结合矩阵分解和带有注意力机制深度学习技术的POI推荐模型(CF-ADNN)。一方面,构造特征矩阵缓解签到数据稀疏问题,通过矩阵分解得到隐藏因子,计算POI的特征向量;另一方面,构建一种带注意力机制的用户细粒度兴趣的序列建模方式,有效学习用户长期和短期的兴趣特征,提高POI推荐精确度;结合上述两种方法,最终得到可以融合多种影响因素的POI推荐模型。并通过对比试验,进一步验证模型的推荐效果。 相似文献
11.
在线草图识别中的用户适应性研究 总被引:5,自引:3,他引:5
提出一种在线草图识别用户适应性解决方法,该方法分别采用支撑向量机主动式增量学习和动态用户建模技术进行笔划和复杂图形的识别.支撑向量机主动式增量学习方法通过主动“分析”用户增量数据,并根据用户反馈从中选择重要数据作为训练样本,可有效地鉴别用户手绘笔划特征,快速地识别用户输入笔划.动态用户建模技术则采用增量决策树记录草图的笔划构成及其手绘过程,有效捕捉用户的复杂图形手绘习惯,进而利用模糊匹配在草图绘制过程中预测和识别复杂图形.实验表明:该方法具有很好的效果,为解决在线草图识别及其用户适应性问题提供参考. 相似文献
12.
针对微博用户兴趣建模问题,提出一种在微博短文本数据集上建立用户兴趣模型的方法。为缓解短文本造成的数据稀疏性问题,在分析微博短文本结构和内容的基础上,给出微博短文本重构概念,根据微博相关的其他微博短文本和文本中包含的3种特殊符号,进行文本内容的扩展,从而扩充原始微博的特征信息。利用HowNet2000概念词典将重构后文本的特征词集映射到概念集。以抽象到概念层的文本向量为基础进行聚类,划分用户的兴趣集合,并给出用户兴趣模型的表示机制。实验结果表明,短文本重构和概念映射提高了聚类效果,与基于协同过滤的微博用户兴趣建模方法相比,平衡均值提高29.1%,表明构建的微博用户兴趣模型具有较好的性能。 相似文献
13.
为识别出不同社交网络平台中属于同一自然人的账号,提出了一种基于用户关系的跨社交网络用户身份关联方法。首先,设计了基于网络表示学习的用户关系提取模块,将大规模用户关系转换至低维向量空间进行表示;然后,针对异构信息网络改进了传统网络表示学习算法,提出了CSN_LINE算法,实现融合跨社交网络先验关联关系的网络表示;最后,构建了基于多层感知机的用户身份关联模型。实验结果表示,提出的方法与目前先进的方法相比,综合指标F1值和正确率的提高均超过12%,证明了该方法的合理性和有效性。 相似文献
14.
通过对Web日志的聚类分析,可以发现用户的群体特征,甚至可以预测用户将来的访问模式,进而为不同的用户群提供个性化服务。针对现有方法的一般缺陷,包括特征选择单一无法充分体现用户兴趣偏好和传统Hierarchical算法在用户聚类时存在的收敛效率低、易受用户访问多样性影响的问题,提出了基于多重特征的双层用户聚类方法。该方法采用多重特征对用户相似性进行度量,并在此基础上进行双层聚类。首先采用基于密度的DBSCAN算法来排除用户会话中的离群对象和发现不规则簇,然后再采用自底向上的Hierarchical方法对第一层的聚类结果进行聚类。实验结果表明,本文方法具有良好的稳定性和聚类效果。 相似文献
15.
16.
分析了企业信息系统的Web用户界面开发特性,研究了当前主流前端框架的MVC(模型-视图-控制器)设计模式应用,针对Web前端开发需求及最佳实践方法,提出了一种符合MVC用户界面开发最佳实践的组件化Web用户界面建模方法.设计一套抽象和描述Web用户界面组件的UML(统一建模语言)概要文件,从界面数据模型、界面组件模型到界面交互模型等3个方面完成Web用户界面建模.以一个装修行业定制型ERP(企业资源计划)系统为例,通过用户界面建模实践,验证了本建模方法的可行性、易用性和有效性. 相似文献
17.
潜在因子模型(LFM)以其优异的性能在推荐领域得到了广泛应用。在LFM中除了使用交互数据以外,辅助信息也被引入用于解决数据稀疏的问题,从而提升推荐的性能。然而,大多数LFM仍然存在一些问题:第一,LFM在对用户进行建模时,忽略了用户如何根据其特征偏好对项目作出决策;第二,采用内积的特征交互假设特征维度之间是相互独立的,而没有考虑到特征维度之间的关联。针对上述问题,提出一种新的推荐模型:基于卷积神经网络(CNN)交互的用户属性偏好建模的推荐模型(UAMC)。该模型首先获得用户的一般偏好、用户属性和项目嵌入,然后将用户属性和项目嵌入进行交互,以探索用户不同的属性对不同项目的偏好;接着将交互过的用户偏好属性送入CNN层来探索不同偏好属性的不同维度的关联,从而得到用户的属性偏好向量;接着使用注意力机制结合用户的一般偏好和CNN层得到的属性偏好,从而获得用户的向量表示;最后采用点积来计算用户对项目的评分。在Movielens-100K、Movielens-1M和Book-crossing这三个真实的数据集上进行了实验。实验结果表明,所提模型在均方根误差(RMSE)上与稀疏数据预测的神经网络分解机(NFM)模型相比分别降低了1.75%、2.78%和0.25%,验证了在LFM的评分预测推荐中,UAMC在提升推荐精度上的有效性。 相似文献
18.