检索结果-内蒙古大学图书馆

计算机学报 2011年第12期34卷 2403-2413页

作者：乔秀全杨春李晓峰陈俊亮北京邮电大学网络与交换技术国家重点实验室北京100876

电子商务中的信任问题一直备受关注.随着近些年社交网络的流行,其真实的社交网络及信任关系开始受到关注,基于社交网络开展各种电子商务活动逐渐成为一种新的发展趋势.因此,研究用户间的信任度对基于社交网络的电子商务具有重要意义.文... 详细信息

电子商务中的信任问题一直备受关注.随着近些年社交网络的流行,其真实的社交网络及信任关系开始受到关注,基于社交网络开展各种电子商务活动逐渐成为一种新的发展趋势.因此,研究用户间的信任度对基于社交网络的电子商务具有重要意义.文中通过借鉴社会心理学中人与人之间的信任产生原理,提出了社交网络中基于用户上下文的信任度计算方法.该方法将社交网络中用户之间的信任度分为熟悉性产生的信任度和相似性产生的信任度;同时又根据所起作用的重要程度不同,把相似性划分为内部相似性和外部相似性,并给出了信任度计算的具体方法.最后,仿真实验验证了该方法的合理性和有效性.

关键词：社交网络服务用户上下文人际关系信任度

来源：评论

学校读者我要写书评

暂无评论

基于移动用户上下文相似度的协同过滤推荐算法

引用

电子与信息学报 2011年第11期33卷 2785-2789页

作者：徐风苓孟祥武王立才北京邮电大学智能通信软件与多媒体北京市重点实验室北京100876 北京邮电大学计算机学院北京100876

该文面向移动通信网络领域的个性化服务推荐问题,通过将移动用户上下文信息引入协同过滤推荐过程,提出一种基于移动用户上下文相似度的改进协同过滤推荐算法。该算法首先计算基于移动用户的上下文相似度,以构造目标用户当前上下文的相... 详细信息

该文面向移动通信网络领域的个性化服务推荐问题,通过将移动用户上下文信息引入协同过滤推荐过程,提出一种基于移动用户上下文相似度的改进协同过滤推荐算法。该算法首先计算基于移动用户的上下文相似度,以构造目标用户当前上下文的相似上下文集合,然后采用上下文预过滤推荐方法对"移动用户-移动服务-上下文"3维模型进行降维得到"移动用户-移动服务"2维模型,最后结合传统2维协同过滤算法进行偏好预测和推荐。仿真数据集和公开数据集实验表明,该算法能够用于移动网络服务环境下的用户偏好预测,并且与传统协同过滤相比具有更高的推荐精确度。

关键词：移动网络用户上下文相似度计算协同过滤

来源：评论

学校读者我要写书评

暂无评论

基于多Agent的用户上下文自适应站点构架

引用

计算机工程 2008年第22期34卷 226-228页

作者：郑伟平齐德昱向军徐克付华南理工大学计算机科学与工程学院广州510641 华南师范大学计算机学院广州510631

自适应站点很少考虑对用户环境的自适应。为此,提出用户上下文自适应站点的概念,给出基于多Agent技术的用户上下文自适应站点构架模型。阐述用户上下文获取、挖掘过程以及站点改造过程中各Agent的作用和交互情况。给出根据用户网络带宽... 详细信息

自适应站点很少考虑对用户环境的自适应。为此,提出用户上下文自适应站点的概念,给出基于多Agent技术的用户上下文自适应站点构架模型。阐述用户上下文获取、挖掘过程以及站点改造过程中各Agent的作用和交互情况。给出根据用户网络带宽和终端屏幕尺寸来调整推荐和显示的策略,并依据该构架实现了一个网上家具商场的原型站点。

关键词：自适应站点用户上下文多Agent

来源：评论

学校读者我要写书评

暂无评论

基于移动用户上下文相似度的张量分解推荐算法

引用

计算机应用 2017年第9期37卷 2531-2535页

作者：余可钦吴映波李顺蒋佳成向德王天慧信息物理社会可信服务计算教育部重点实验室(重庆大学) 重庆400030 重庆大学软件学院重庆401331

针对移动服务推荐中用户上下文环境复杂多变和数据稀疏性问题,提出一种基于移动用户上下文相似度的张量分解推荐算法——UCS-TF。该算法组合用户间的多维上下文相似度和上下文相似可信度,建立用户上下文相似度模型,再对目标用户的K个邻... 详细信息

针对移动服务推荐中用户上下文环境复杂多变和数据稀疏性问题,提出一种基于移动用户上下文相似度的张量分解推荐算法——UCS-TF。该算法组合用户间的多维上下文相似度和上下文相似可信度,建立用户上下文相似度模型,再对目标用户的K个邻居用户建立移动用户-上下文-移动服务三维张量分解模型,获得目标用户的移动服务预测值,生成移动推荐。实验结果显示,与余弦相似性方法、Pearson相关系数方法和Cosine1改进相似度模型相比,所提UCS-TF算法表现最优时的平均绝对误差(MAE)分别减少了11.1%、10.1%和3.2%;其P@N指标大幅提升,均优于上述方法。另外,对比Cosine1算法、CARS2算法和TF算法,UCS-TF算法在数据稀疏密度为5%、20%、50%、80%上的预测误差最小。实验结果表明UCS-TF算法具有更好的推荐效果,同时将用户上下文相似度与张量分解模型结合,能有效缓解评分稀疏性的影响。

关键词：用户上下文上下文相似度模型数据稀疏张量分解算法移动服务推荐

来源：评论

学校读者我要写书评

暂无评论

基于用户上下文的新闻服务机制研究

引用

计算机工程与设计 2007年第4期28卷 955-958,962页

作者：商鹏王晓琳山东大学计算机科学与技术学院山东济南250061

在新闻服务中引入用户上下文来实现个性化服务。通过定义用户上下文,利用基于事例的推理(CBR)方法,对基于用户新闻请求生成的问题事例进行推理,找到可用的事例,修改问题事例,经过新闻检索,实现个性化新闻服务,提高内容服务质量,优化检... 详细信息

在新闻服务中引入用户上下文来实现个性化服务。通过定义用户上下文,利用基于事例的推理(CBR)方法,对基于用户新闻请求生成的问题事例进行推理,找到可用的事例,修改问题事例,经过新闻检索,实现个性化新闻服务,提高内容服务质量,优化检索结果,生成最大程度反映用户需求的新闻结果。

关键词：个性化服务用户上下文 CBR 事例新闻检索

来源：评论

学校读者我要写书评

暂无评论

基于用户上下文的数字媒体个性化推荐系统的设计与实现

基于用户上下文的数字媒体个性化推荐系统的设计与实现

引用

作者：方红涛北京邮电大学

学位级别：硕士

当今,个性化推荐系统已经在很多领域被应用,如网络商品推荐、音乐推荐等,协同过滤是其中应用最为广泛的个性化推荐技术,但是,这些系统大部分没有考虑用户上下文对推荐结果的影响,或者推荐结果没有随用户兴趣偏好改变而更新。本文在使用... 详细信息

当今,个性化推荐系统已经在很多领域被应用,如网络商品推荐、音乐推荐等,协同过滤是其中应用最为广泛的个性化推荐技术,但是,这些系统大部分没有考虑用户上下文对推荐结果的影响,或者推荐结果没有随用户兴趣偏好改变而更新。本文在使用传统的协同过滤技术来实现个性化推荐系统的基础之上,将用户的上下文信息引入到推荐系统中。本文在研究上下文感知以及本体相关理论知识的基础上,参与系统分析、设计,并实现了基于用户上下文的数字媒体个性化推荐系统。本文主要完成的工作：首先,在初步需求分析的基础上确定了系统中的用户上下文信息的具体所指内容,并给出了用户上下文信息的获取方法。其次,建立了系统中的数字媒体领域本体并对用户的上下文信息进行本体建模,实现系统中各概念的本体实例的程序自动创建与扩展。再次,建立用户兴趣偏好表示形式,并基于本体的查询与推理处理能力构建系统各用户的用户兴趣偏好。最后,依据建立的用户兴趣偏好以及用户的当前上下文信息产生一定数量的推荐结果并将推荐结果在系统前台页面呈现出来。总的来说,目前对上下文以及本体在推荐系统中的应用还处于研究阶段,而且大多数的研究项目针对的是移动领域的服务推荐,针对Web用户的推荐系统研究项目则比较少,本文参与设计实现的基于用户上下文的数字媒体个性化推荐系统是对这一领域研究的一次尝试。

关键词：个性化推荐系统用户上下文本体用户兴趣偏好 Protégé Jena

来源：评论

学校读者我要写书评

暂无评论

基于用户上下文和项目近邻的协同过滤推荐算法

基于用户上下文和项目近邻的协同过滤推荐算法

引用

作者：张义龙中国矿业大学

学位级别：硕士

互联网技术的蓬勃发展导致信息过载,使得公众难以辨别琳琅满目的商品和选择最符合自己需要的商品。因此,基于信息检索的个性化推荐系统应运而生,协同过滤技术是应用最广泛的、最成功的推荐技术之一,但也面临着数据稀疏性、冷启动等问题... 详细信息

互联网技术的蓬勃发展导致信息过载,使得公众难以辨别琳琅满目的商品和选择最符合自己需要的商品。因此,基于信息检索的个性化推荐系统应运而生,协同过滤技术是应用最广泛的、最成功的推荐技术之一,但也面临着数据稀疏性、冷启动等问题的严峻挑战,同时传统的协同过滤算法在相似度计算中往往忽视了用户个人的上下文信息对项目相似度的影响。针对以上问题,本文通过融入了项目近邻信息对约束概率矩阵分解算法进行改进,并结合用户上下文信息和用户动态预测评定方法,提出一种基于用户上下文和项目近邻的协同过滤推荐算法。首先,将项目标签划分为基于内容和基于情感两类,通过计算这两类标签的权重,来确定每个项目的内容和情感向量,并计算出项目的邻居集,融入到约束概率矩阵分解算法中;其次,根据用户上下文信息以及用户对项目的情感设定,选择出近邻用户及其相关项目;最后,采用动态预测填充的方法来解决个性化推荐中的数据稀疏性问题。在Movie Lens-1M数据集上,通过实验分别与余弦相似度、皮尔森相似度和用户上下文算法的MAE值、Pu值进行比较。测试结果表明:该算法能够缓解评分稀疏性对算法的影响并更有效的预测用户对项目的评分,显著降低平均绝对误差,提高推荐准确率。

关键词：用户上下文项目近邻协同过滤数据稀疏性

来源：评论

学校读者我要写书评

暂无评论

Web中的用户上下文及在PHPLIB中的实现

引用

计算机应用 2000年第10期20卷 56-58页

作者：翁志良蔡笠丁玉章华东理工大学自动化研究所上海200237

本文分析了在Web应用中实现用户上下文的机制以及在PHPLIB中的实现方案、技术要点。

关键词： Web 用户上下文 PHPLIB HTTP协议应用程序

来源：评论

学校读者我要写书评

暂无评论

基于用户上下文的服务信誉度度量方法研究与设计

基于用户上下文的服务信誉度度量方法研究与设计

引用

作者：李威北京邮电大学

学位级别：硕士

信誉度用来描述服务提供方发布的QoS和真实值之间的可信度。其度量标准是依据用户使用服务后,根据获取到的真实QoS与公告值的差别,以及用户主观感受所给出的反馈等级综合得到。准确的信誉度对于用户进行服务选择,有非常重要的作用。尽... 详细信息

信誉度用来描述服务提供方发布的QoS和真实值之间的可信度。其度量标准是依据用户使用服务后,根据获取到的真实QoS与公告值的差别,以及用户主观感受所给出的反馈等级综合得到。准确的信誉度对于用户进行服务选择,有非常重要的作用。尽管已有的很多方法能够有效地提高服务信誉度度量的准确性,但其普遍忽略了用户上下文对信誉度度量的影响。为此,本文针对用户上下文对反馈等级的影响以及如何弱化用户上下文影响进行了深入的研究,通过进行用户上下文聚类以及弱化用户上下文对反馈等级的影响,来对反馈等级进行预处理。本文面向不同的应用场景,提出了两种基于用户上下文的Web服务信誉度度量方法： 1)针对用户上下文对用户反馈等级产生不同影响的问题,提出了一种基于用户上下文聚类的Web服务信誉度度量方法。该方法首先对用户上下文建模,并对其进行形式化定义及正规化处理；然后,对用户上下文进行聚类,旨在用一个综合量化值来表征用户上下文级别；最后,使用同一量化值的反馈等级来度量信誉度,进而获得不同用户上下文中的信誉度度量结果。实验结果表明,在用户反馈等级受用户上下文影响较大的场景下,该方法能够有效提高信誉度度量的准确性。 2)针对已有方法在信誉度度量过程中仅采用单一用户上下文中的反馈等级而造成反馈等级使用率低的问题,提出了一种基于用户上下文敏感度的信誉度度量方法。该方法首先提出用户上下文敏感度概念,并对用户上下文敏感度进行度量；然后,根据用户上下文敏感度对反馈等级中的用户上下文影响进行弱化,将不同用户上下文中的反馈等级转化为统一参考级别；最后,根据弱化后的反馈等级度量用户相似度,并以此获得服务信誉度的度量结果。实验结果表明,在用户对服务频繁访问的场景下,该方法能够有效提高信誉度度量的准确性。

关键词： Web服务信誉度用户上下文聚类用户上下文敏感度协同过滤

来源：评论

学校读者我要写书评

暂无评论

基于用户上下文相似度的移动应用推荐研究与实现

基于用户上下文相似度的移动应用推荐研究与实现

引用

作者：余可钦重庆大学

学位级别：硕士

移动通信技术发展日益成熟,智能化的移动终端设备得到普及,各种移动应用程序也呈爆炸式增加,用户无法在海量应用中快速准确地定位和获取喜欢的应用,大量出色的应用也被掩盖在热门移动应用之下。为帮助用户有效快速地发现感兴趣的移动应... 详细信息

移动通信技术发展日益成熟,智能化的移动终端设备得到普及,各种移动应用程序也呈爆炸式增加,用户无法在海量应用中快速准确地定位和获取喜欢的应用,大量出色的应用也被掩盖在热门移动应用之下。为帮助用户有效快速地发现感兴趣的移动应用,给用户提供更加精准化的应用服务,使长尾应用能得到更多的曝光机会,移动应用个性化推荐应运而生。现有的移动应用推荐算法主要依赖于用户对移动应用的使用行为,没有充分考虑用户复杂的上下文环境。同时,上下文信息的引入使推荐系统的稀疏性问题更加严重。针对以上问题,本文提出了一种基于用户上下文相似度的移动应用推荐算法UCA-TF(User-Context-Application Tensor Factorization),将完整的上下文表示融入推荐模型,重新构建用户上下文相似度模型,并通过张量分解方法处理高维稀疏上下文数据,帮助用户快速发现感兴趣的移动应用,提高推荐精度并有效缓解数据稀疏性。根据移动应用推荐系统参考模型,提出基于UCA-TF算法的移动应用推荐原型系统的总体设计与实现方案。本文主要工作包括:(1)对移动推荐系统和上下文感知推荐进行文献综述研究,总结提出移动应用推荐的特点、关键技术和亟待解决的关键科学问题,并阐述了移动应用推荐的研究背景与意义。(2)针对移动应用推荐中数据稀疏性和用户上下文环境复杂多变问题,提出一种基于用户上下文相似度的移动应用推荐算法(UCA-TF算法),该算法组合用户间的多维上下文相似度和上下文相似可信度,建立用户上下文相似度模型,再对目标用户的K个邻居用户建立移动用户-上下文-移动应用三维张量分解模型,获得目标用户的移动应用预测值,生成移动推荐结果。实验结果表明,UCA-TF算法相比其它算法具有更高的推荐精度,能有效缓解上下文稀疏性的影响,提高用户满意度。(3)在UCA-TF算法研究基础上,提出了基于用户上下文相似度的移动应用推荐原型系统的设计与实现方案。移动应用推荐客户端展示应用推荐信息,实时对用户的请求进行响应,并将在线采集的行为数据和上下文信息上传至服务器;服务器端获取用户历史信息,进行离线数据计算,生成预推荐列表以备调用,同时管理和维护用户信息和移动应用信息,使移动端和服务器端内容能得到及时更新和调整。

关键词：移动应用推荐用户上下文相似度模型张量分解

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：