基于用户偏好动态变化的协同过滤推荐

传统的协同过滤方法利用用户评分数据来生成推荐,没有考虑评价时间和项目类别等其他信息,影响了系统推荐的质量。本文提出一种基于用户偏好动态变化的个性化推荐模型,该方法在基于项目类别的基础上,为用户评分时间距离现在较近、较远和周期性评分分别赋予不同的权重。从MovieLens数据集的实验结果表明,该方法消弱了历史短期偏好对推荐质量的影响,准确地反映了用户偏好的动态变化,有效地提高了推荐的准确性。     

融合时间加权信任与用户偏好的协同过滤算法

针对现有的协同过滤推荐算法中存在评分数据稀疏和用户兴趣动态变化的问题,提出了融合时间加权信任与用户偏好的协同过滤算法.考虑到用户评分时间的不均匀,对时间权重进行改进,并将其融入到直接信任计算中,缓解用户兴趣动态变化的问题.通过信任传递得到的间接信任以及建立用户对项目标签的偏好矩阵得到用户之间的偏好相似度来缓解数据的稀疏...     

基于用户偏好和项目属性的协同过滤推荐算法

协同过滤推荐算法是目前应用最为广泛的个性化推荐方法之一,但传统的推荐算法在计算目标用户邻居集时只考虑用户项目评分矩阵中的具体数值,没有考虑用户偏好以及用户评分与项目属性之间的关系,推荐精度也有待进一步提高。针对这一问题,提出了一种基于用户偏好和项目属性的协同过滤推荐算法(UPPPCF)。本算法在传统的用户项目评分矩阵基础上综合考虑用户偏好以及项目属性,把评分矩阵转变成基于用户偏好的用户项目属性评分矩阵,然后根据这一评分矩阵来计算目标用户的最近邻居集,克服了传统相似性计算方法只依靠用户评分值的不足,同时本文对预测值判定给出了一种有效的度量方法。在 MovieLen 数据集上的实验结果表明,本文提出的UPPPCF算法能够有效弥补传统协同过滤算法中的不足,而且在推荐精度上有了明显的提高。     

User Attitudes Regarding a User-Adaptive eCommerce Web Site

Despite an abundance of recommendations by researchers and more recently by commercial enterprises for adaptive interaction techniques and technologies, there exists little experimental validation of the value of such approaches to users. We have conducted user studies focussed on the perceived value of a variety of personalization features for an eCommerce Web site for computing machinery sales and support. Our study results have implications for the design of user-adaptive applications. Interesting findings include unenthusiastic user attitudes toward system attempts to infer user needs, goals, or interests and to thereby provide user-specific adaptive content. Users also expressed equivocal opinions of collaborative filtering for the specific eCommerce scenarios we studied; thus personalization features popular in one eCommerce environment may not be effective or useful for other eCommerce domains. Users expressed their strong desire to have full and explicit control of data and interaction. Lastly, users want readily to be able to make sense of site behavior, that is, to understand a site’s rationale for displaying particular content.     

融合用户偏好和多交互网络的协同过滤算法

推荐系统中的辅助信息可以为推荐提供有用的帮助,而传统的协同过滤算法在计算用户相似度时对辅助信息的利用率低,数据稀疏性大,导致推荐的精度偏低.针对这一问题,本文提出了一种融合用户偏好和多交互网络的协同过滤算法(NIAP-CF).该算法首先根据评分矩阵和项目属性特征矩阵挖掘出用户的项目属性偏好信息,然后使用SBM方法计算用...     

Using Distributable User Interfaces in CSCL In-Situ Classrooms

Distributable user interfaces enable users to distribute user interface interaction objects (i.e. panels, buttons, input fields, checkboxes, etc.) across different displays using a set of distribution primitives to manipulate them in real time. This work presents how this kind of user interfaces facilitates the computer supported collaborative learning in modern classrooms. These classrooms provide teachers and students with display ecosystems consisting of stationary displays, such as smart projectors and smart TVs as well as mobile displays owned by teachers and students, such as smartphones, tablets, and laptops. The distribution of user interface interaction objects enables teachers to modify the user interface interaction objects that are available to students in real time to control and promote the collaboration and participation among them during learning activities. We propose the development of this type of applications using an extension of the CAMELEON reference framework that supports the definition of UI distribution models. The Essay exercise is presented as a case of study where teachers control the collaboration among students by distributing user interface interaction objects.     

招生咨询系统中的信息合成及其应用研究

文章以高校招生信息电话咨询作为实际应用对象,对人机对话系统中的不确定性推理进行了理论分析。并提出了基于证据理论的合成方法。在应用研究中给出了人机对话实验系统的基本算法。并对系统及数据库结构进行了探讨。     

基于用户交互模型的会员网站每日活跃用户量分析

现有的网站往往向注册用户提供服务,而网站中的每日活跃用户量往往决定着网站建设的成败。为了描述网站中每日活跃用户的动态变化,本文将用户在网站上的交互行为分为响应、扩散和衰落三种类型,并提出了一种基于用户交互模型的每日活跃用户量模型。通过响应、扩散和衰落三种交互行为的定义,进一步推导出每日活跃用户随着时间的变化率。通过对每日活跃用户随着时间的变化率进行分析得到如下结论,当网站中用户的响应概率小于衰落概率时网站的活跃用户将趋向于0,反之活跃用户趋于某个固定的常数。大量的真实数据实验表明,不论网站自身的运营是否成功,本文提出的方法都可以很好的描述网站的每日活跃用户数量及其发展趋势,这对于网站的建设和维护具有重要的指导意义。     

基于聚类和奖惩用户模型的协同过滤算法

根据用户体验为其推荐感兴趣的项目是推荐系统中最重要的问题.本文提出了一种新的易于实现的CBCF(Clustering-Based CF)算法,该算法基于激励/惩罚用户(IPU)模型进行推荐.本文旨在通过IPU模型深入研究用户间偏好的差异来提高准确率、召回率和F1-score方面的性能.本文提出了一个约束优化问题,目标是在给定的精度下最大限度地提高召回率(或F1-score).为此,根据实际评分数据和皮尔逊相关系数,将用户分为若干用户簇,然后根据同一用户簇的偏好倾向,对每个项目进行奖励/处罚.实验结果表明,本文提出的算法在给定准确率的条件下,召回率可以显著提高50%左右.     

User productivity as a function of AutoCAD interface design

Increased operator productivity is a desired outcome of user-CAD interaction scenarios. Two objectives of this research were to (1) define a measure of operator productivity and (2) empirically investigate the potential effects of CAD interface design on operator productivity, where productivity is defined as the percentage of a drawing session correctly completed per unit time. Here, AutoCAD provides the CAD environment of interest. Productivity with respect to two AutoCAD interface designs (menu, template) and three task types (draw, dimension, display) was investigated. Analysis of user productivity data revealed significantly higher productivity under the menu interface condition than under the template interface condition. A significant effect of task type was also discovered, where user productivity under display tasks was higher than productivity under the draw and dimension tasks. Implications of these results are presented.     

A Solution to Knowledge Management in Networked Collaborative Design

Concerning the demands in networked collaborative innovative design, a knowledge-based collaborative design model is introduced the model of knowledge integration along with its relevant supporting techniques are presented. After illustrating the general knowledge search paradigm, a kind of dynamic user model is proposed to improve knowledge search efficiency. At last a short introduction of the system’s implementation is described.1 Introduction companies and organizations spare no efforts i…     

结合似然关系模型和用户等级的协同过滤推荐算法

针对传统协同过滤推荐算法的稀疏性、扩展性问题,提出了结合似然关系模型和用户等级的协同过滤推荐算法.首先,定义了用户等级函数,采用基于用户等级的协同过滤方法,在不影响推荐质量的前提下有效提高了推荐效率,从而解决扩展性问题;然后,将其与似然关系模型相结合,使之能够综合利用用户信息、项目信息、用户对项目的评分数据,对不同用户给出不同的推荐策略,从而解决稀疏性问题,提高推荐质量.在MovieLens数据集上的实验结果表明,该算法比单纯使用基于似然关系模型或传统协同过滤技术的推荐算法,不仅推荐质量有所提高,推荐速度比传统协同过滤算法明显加快.     

智能空间中的用户饮食偏好获取与推荐系统

对用户饮食偏好获取技术进行研究,建立基于相似度的食物分类模型,在此基础上设计智能空间中的用户饮食偏好获取及饮食推荐系统。该系统通过压力传感器采集用户饮食数据,利用动态分割数据的方法获取用户饮食偏好上下文,根据食物分类模型进行饮食推荐。实验结果证明了该系统的有效性。     

Intelligent interaction design: the role of human-computer interaction research in the design of intelligent systems

As more intelligent systems are introduced into the marketplace, it is becoming increasingly urgent to consider usability for such systems. Historically, the two fields of artificial intelligence (AI) and human- computer interaction (HCI) have had little in common. In this paper, we consider how established HCI techniques can usefully be applied to the design and evaluation of intelligent systems, and where there is an urgent need for new approaches. Some techniques - notably those for requirements acquisition and empirical evaluation - can usefully be adopted, and indeed are, within many projects. However, many of the tools and techniques developed within HCI to support design and theory-based evaluation cannot be applied in their present forms to intelligent systems because they are based on inappropriate assumptions; there is consequently a need for new approaches. Conversely, there are approaches that have been developed within AI - e.g. in research on dialogue and on ontologies - that could usefully be adapted and encapsulated to respond to this need. These should form the core of a future research agenda for intelligent interaction design.     

支持界面生成的扩展对象模型和交互模型

基于模型的用户界面分析和表达是实现界面工程设计的出路所在。FMP是一个涵盖需求、结构和实现的界面模型。该文重点讨论了FMP的内在模型Model部分和对界面实现的作用。指出内在模型由参与界面操作的扩充对象模型和它们的交互模型构成。对象模型给出了界面的局部布局。交互模型给出了界面的功能和对象构成以及它们之间的交互关系,在界面模板的支持下,可以给出界面的宏观布局并支持界面的自动生成。     

基于HMM-FNN模型的复杂动态手势识别

复杂动态手势识别是利用视频手势进行人机交互的关键问题.提出一种HMM-FNN模型结构.它整合了隐马尔可夫模型对时序数据的建模能力与模糊神经网络的模糊规则构建与推理能力,并将其应用到复杂动态手势的识别中.复杂动态手势具备两大特点:运动特征的可分解性与定义描述的模糊性.针对这两种特性,复杂手势被分解为手形变化、2D平面运动与Z轴方向运动3个子部分,分别利用HMM进行建模,HMM模型对观察子序列的似然概率被作为FNN的模糊隶属度,通过模糊规则推理,最终得到手势的分类类别.HMM-FNN方法将高维手势特征分解为低维子特征序列,降低了模型的复杂度.此外,它还可以充分利用人的经验辅助模型结构的创建与优化.实验表明,该方法是一种有效的复杂动态手势识别方法,并且优于传统的HMM模型方法.     

基于协同过滤和隐语义模型的混合推荐算法

协同过滤算法一般根据用户的评价信息来推测用户的喜好,但受到数据稀疏问题的影响,很多时候无法得到较为理想的推荐结果;除此之外,一般协同推荐算法忽略了用户兴趣的动态变化;文中提出的算法主要融合了相似度传递、用户兴趣迁移、隐语义模型等用以解决上述问题。首先提出了基于项目相似度的协同推荐算法。该算法深入研究了改进的余弦相似度方法,在执行过程中首先需要对项目进行信任关系建模,基于此来传递相似度,然后将这两部分相似度关系进行加权得到新的项目相似关系,可以将其应用到项目的评分中。其次,提出了基于用户兴趣迁移的隐语义模型推荐算法。该算法引入时间函数,重构用户的兴趣模型,实现对传统模型的修正,然后再使用梯度下降法来求解。最后,采用线性融合的办法,将以上两种算法进行融合。实验对比结果表明,混合推荐算法的推荐准确率较原先的算法有了较大的提高,因为它可以对丢失的信息进行补充,对于用户兴趣的变化能够较好的适应,同时大大弱化了数据的稀疏导致的一系列负面影响。     

交互分析模型在协作虚拟环境中实现动态兴趣管理

目前，许多传统的协作式虚拟环境应用主要采用Grid和Locale概念来实现虚拟环境中用户的兴趣管理．但是，当其应用在基于虚拟人的社交性协作仿真时，这些基于位置的兴趣管理方法具有一定的局限性．针对社交性协作仿真这一类虚拟环境应用，提出一种新的在协作虚拟环境中采用动态交互分析的兴趣管理模型．首先定义了兴趣网络和兴趣矩阵的概念；然后描述了交互分析方法，通过该方法来实时分析虚拟人的兴趣焦点；最后在该模型的基础上实现了一个原型虚拟环境系统，并演示了该模型在优化场景绘制和协同感知上的作用．     

个性化搜索引擎中用户兴趣模型的构建方法

在分析个性化搜索引擎的基础上,提出一种构建用户兴趣模型的方法.该方法综合考虑用户注册兴趣及浏览行为,将用户兴趣分为长期兴趣和短期兴趣并通过兴趣树进行存储.遗忘机制的引入保证模型能够及时准确地反映用户兴趣.模拟实验表明,本文提出的用户兴趣模型能够有效地提高检索效率,使搜索结果更好地满足用户个性化需求.     

一种结合基于项目和用户的个性化推荐算法

推荐系统是电子商务系统中最重要的技术之一.协同过滤技术是当今应用最普遍的个性化推荐算法.针对用户评分数据的极端稀疏性和算法的可扩展性,首先利用云模型计算项目间相似度来预测用户对未评分项目的评分,来增加用户评分数据,再根据项目分类信息将用户-项目评分矩阵转换为用户-类别矩阵,降低了评分矩阵的维度,最后利用云模型计算用户间相似度,得到目标用户的最近邻居.实验结果表明,该方法具有较小的MAE,提高了推荐系统的推荐质量.