检索结果-内蒙古大学图书馆

计算机应用研究 2012年第2期29卷 606-608页

作者：蒋秀林谢强丁秋林南京航空航天大学计算机科学与技术学院南京210016

目前大多数知识管理系统采用基于关键词或关键词向量空间模型表示用户的兴趣偏好。针对该方法不包含语义信息,很难准确表示用户感兴趣的信息,并且难于扩展,提出一种基于领域本体的用户模型。该模型利用用户访问量,采用改进的相似度算法... 详细信息

目前大多数知识管理系统采用基于关键词或关键词向量空间模型表示用户的兴趣偏好。针对该方法不包含语义信息,很难准确表示用户感兴趣的信息,并且难于扩展,提出一种基于领域本体的用户模型。该模型利用用户访问量,采用改进的相似度算法,实现用户分类建立用户模型,体现用户个人偏好。最后将该模型应用于齐齐哈尔货车快速设计系统中,应用表明该模型能准确地反映用户兴趣,且提高了信息检索效率。

关键词：用户模型本体领域本体相似度算法

来源：评论

学校读者我要写书评

暂无评论

基于动态遗传算法的用户模型进化研究

引用

计算机工程与应用 2006年第14期42卷 200-203页

作者：李宝林兰芸张翼英福建省电力有限公司复旦大学计算机与信息技术系上海200433 天津科技大学计算机科学与信息工程系沈阳工程学院信息工程系

信息过滤技术是解决“信息过载”和“信息迷向”问题的有效手段。为高效地确立用户的信息需求模型,文中提出一种新颖的合作过滤方法。该方法采用动态遗传算法进行启发式特征术语的选择,可以有效地与其它用户分享信息选择经验,借以优化... 详细信息

信息过滤技术是解决“信息过载”和“信息迷向”问题的有效手段。为高效地确立用户的信息需求模型,文中提出一种新颖的合作过滤方法。该方法采用动态遗传算法进行启发式特征术语的选择,可以有效地与其它用户分享信息选择经验,借以优化用户模型,提高信息选择的质量。实验验证了方法的有效性。

关键词：信息过滤遗传算法用户模型特征选择

来源：评论

学校读者我要写书评

暂无评论

智能用户接口Agent的用户模型与系统构建方法

引用

东北师大学报（自然科学版） 2000年第3期32卷 115-119页

作者：孙铁利邓安生东北师范大学计算机科学系吉林长春130024

在简要给出智能用户接口的体系结构后 ,主要讨论了智能用户接口Agent的构建、用户模型及建立方法 .通过属于数字个人助手类型的Agent实例 ,介绍几种典型的智能用户接口Agent.

关键词：智能用户接口 Agent 用户模型系统构建方法

来源：评论

学校读者我要写书评

暂无评论

基于分词技术和用户模型的非结构化知识管理系统

基于分词技术和用户模型的非结构化知识管理系统

引用

作者：蒋秀林南京航空航天大学

学位级别：硕士

在竞争越来越激烈的知识经济时代，知识的有效管理和高效利用成为企业取得竞争优势的关键因素之一。如何管理和检索企业中存在的海量的非结构化知识，成为企业知识管理中亟待解决的问题之一。当前，一些非结构化知识管理系统虽然可以实... 详细信息

在竞争越来越激烈的知识经济时代，知识的有效管理和高效利用成为企业取得竞争优势的关键因素之一。如何管理和检索企业中存在的海量的非结构化知识，成为企业知识管理中亟待解决的问题之一。当前，一些非结构化知识管理系统虽然可以实现对非结构化知识的获取、表示和存储，但是以关键词作为索引项进行标注，缺乏知识间的语义关系，难以实现知识的共享，也难以提高知识检索的查全率和查准率。因此，本文研究基于分词技术和用户模型的非结构化知识管理系统，并引入语义概念，实现知识集成，结合用户模型，提供个性化知识检索。本文主要研究工作包括：（1）针对当前非结构化知识管理的研究现状和存在的问题，结合铁路货车快速设计知识管理系统项目的研究背景，给出了基于分词技术和用户模型的非结构化知识管理系统的框架和流程设计。（2）深入研究了系统的两个关键技术：基于分词技术的非结构化知识语义表示模型和基于用户模型的非结构化知识个性化检索。在知识处理层，本文采用改进的最大匹配算法进行分词处理，在知识表示层，结合本体技术采取基于向量空间的表示模型，实现知识语义表示，并给出了相应的语义权重计算方法和知识相似度计算方法。为了向用户提供个性化检索服务，本文在知识检索层和用户接口层间加入了知识过滤层，构建基于领域本体的用户模型，并将其用于知识过滤。（3）将研究成果应用到铁路货车快速设计知识管理项目中，完成了系统的设计和开发，并实现了设计知识的有效管理。通过应用表明，非结构化知识的查全率和查准率有了明显的提高。

关键词：非结构化知识分词技术向量空间领域本体用户模型知识检索

来源：评论

学校读者我要写书评

暂无评论

基于用户模型理论的手机和逸性研究

基于用户模型理论的手机和逸性研究

引用

作者：赵立杉西安建筑科技大学

学位级别：硕士

手机从作为影响人们生活方式的产品出现，到近些年，新技术和新材料的研究成果的应用，可谓发展迅猛，已经成为大众生活、工作、学习的必备产品。但在国内的手机行业中，手机设计经常忽视产品与用户使用之间的和谐关系：过于强调产品造... 详细信息

手机从作为影响人们生活方式的产品出现，到近些年，新技术和新材料的研究成果的应用，可谓发展迅猛，已经成为大众生活、工作、学习的必备产品。但在国内的手机行业中，手机设计经常忽视产品与用户使用之间的和谐关系：过于强调产品造型、交互界面的视觉刺激，求新求变，很少从用户的心理需求、操作行为习惯、环境以及文化背景等深层次的角度考虑，不能很好的体现出产品和使用者之间的和逸性关系。因此，本文通过分析研究用户的视觉心理与行为特征，探讨设计师如何依照用户模型理论对手机进行和逸性设计。本文阐述了用户模型理论，分析了实现模型、设计模型和用户心理模型三者之间的关系，并依照用户操作习惯和使用经历对用户人群进行分类。论文归纳了现有的三种常用设计模式，并针对它们存在的问题，提出了产品设计的核心是以用户为中心，对用户的认知和行动共性进行探讨。从而演绎了产品设计的原则和方法，以及用户与产品之间的和谐关系。在设计原则和方法方面，文章基于人的视觉基本功能研究手机设计中的可视性本质和原则，提出了可视性的层级观念；同时在格式塔心理学的基础上研究人的视觉整体效应和设计中的匹配原则，探讨预设用途、限制因素、用户习惯和反馈在手机设计中的作用和应用方式，权衡它们与用户偏好的关系。最后，本文通过探讨用户对于手机的图片编辑功能的需求，建立了图片编辑的用户心理模型。依照设计原则，设计图片编辑界面，并对设计方案进行程序测试和用户访谈，总结人的认知和行动特征。方案为现阶段的手机设计提供了可参考和实现的设计方法和流程，体现了手机和用户之间的和谐关系。

关键词：工业设计用户模型手机和逸性

来源：评论

学校读者我要写书评

暂无评论

基于用户模型质量和语义聚类的标签推荐算法研究

基于用户模型质量和语义聚类的标签推荐算法研究

引用

作者：钟青燕广西大学

学位级别：硕士

随着Internet的发展，标签分类已经成为一种广泛的网络信息分类方式，标签分类使得用户能够给信息定义具有关键字特性的标签，并通过标签来进行网页导航和信息检索。由于标签在信息资源与用户基于关键字搜索上建立了便捷的桥梁，因此研... 详细信息

随着Internet的发展，标签分类已经成为一种广泛的网络信息分类方式，标签分类使得用户能够给信息定义具有关键字特性的标签，并通过标签来进行网页导航和信息检索。由于标签在信息资源与用户基于关键字搜索上建立了便捷的桥梁，因此研究如何为信息资源定义标签成为必要，进而研究标签推荐，把用户从手动为信息资源定义标签的费时工作中解放出来成为一个热门话题。　　由于资源标签的选择往往基于用户对事物的看法，不同用户对同一资源的描述不同，同一个用户可能使用多义词来定义资源，标签的语义模糊导致了标签与资源描述的不一致性，而且相同含义或意思相近的不同标签造成标签空间的数据冗余，由于标签定义存在诸多问题和瓶颈，因此如何从资源信息和用户使用标签使用习惯中挖掘出用户感兴趣的标签成为标签挖掘的首要问题，标签推荐至今还是一个新兴的领域，目前的标签挖掘工作主要停留在基于资源标签的协同过滤基础上，标签体系随着资源信息量的增大日益陈旧，而且没有把资源语义和用户的标签使用习惯结合起来，标签推荐效果不理想，因此标签推荐技术需要进一步加深研究。　　本文介绍了标签推荐的研究内容和标签推荐算法的工作原理，以及实现推荐的主要步骤，接着对传统的协同过滤的标签推荐算法进行分析，发现传统协同过滤标签推荐算法仅仅考虑邻居用户与当前用户的标签兴趣相似性，而忽略了邻居用户的推荐质量，由此引入了用户模型质量判定的思想，将该思想用于对传统的协同过滤算法的优化，实验证明优化后的推荐结果优于传统算法，随后分析协同过滤标签推荐算法中存在的标签空间陈旧和无法解决冷启动的问题，并针对这些问题提出一种新的基于聚类和语义的标签推荐算法，分析标签主要来源，从信息资源内容中挖掘出新的语义标签融入现有标签体系，并结合用户模型对新的体系标签进行层次聚类，然后根据选择条件对聚类结果进行划分并做出推荐，最后采用交叉验证法验证实验结果，实验表明本文算法能根据资源内容和用户模型有效地挖掘出用户感兴趣的标签，具有较高的正确率和覆盖率。

关键词：信息资源标签分类层次聚类语义挖掘用户模型

来源：评论

学校读者我要写书评

暂无评论

基于标签聚类与用户模型的个性化推荐方法研究

引用

现代情报 2016年第6期36卷 74-78,99页

作者：刘如娟中央民族大学图书馆北京100081

社会标签系统是Web2.0中提出的概念,旨在更好地表达用户的兴趣和意愿。而标签聚类是社会标签系统的个性化推荐中一个重要的研究课题。本文研究了如何基于标签聚类与用户模型来进行个性化推荐的方法。通过计算标签的相似度进行标签聚类,... 详细信息

社会标签系统是Web2.0中提出的概念,旨在更好地表达用户的兴趣和意愿。而标签聚类是社会标签系统的个性化推荐中一个重要的研究课题。本文研究了如何基于标签聚类与用户模型来进行个性化推荐的方法。通过计算标签的相似度进行标签聚类,结合用户模型,根据标签聚类结果做出推荐。通过采用Cite ULike公布的数据集进行实验证明,与未采用标签聚类的推荐方法相比,本方法不仅可提高推荐的命中率,优化目标资源的排名,而且能为用户发现更多新的感兴趣的资源。

关键词：社会化网络社会标签系统标签聚类用户模型个性化推荐

来源：评论

学校读者我要写书评

暂无评论

基于任务类知识需求模板和用户模型的知识需求研究

引用

武汉大学学报（工学版） 2006年第2期39卷 36-41页

作者：谢强张磊南京航空航天大学信息科学与技术学院江苏南京210016

为了解决企业知识共享和再利用过程中遇到的困难,首先利用ontology将异构知识源进行有效的集成,给出了基于ontology的异构知识源集成框架.然后利用任务类知识需求模板和用户模型的相互作用,建立了用户知识需求模型,实现知识的自动供给,... 详细信息

为了解决企业知识共享和再利用过程中遇到的困难,首先利用ontology将异构知识源进行有效的集成,给出了基于ontology的异构知识源集成框架.然后利用任务类知识需求模板和用户模型的相互作用,建立了用户知识需求模型,实现知识的自动供给,为企业员工提供个性化服务.还给出了任务类知识需求模板和用户模型的自学习算法.最后给出了一个验证实例.

关键词：任务类知识需求模型用户模型 ontology 知识需求

来源：评论

学校读者我要写书评

暂无评论

机构知识库个性化推荐的用户模型研究

引用

情报理论与实践 2013年第12期36卷 78-82页

作者：卞艺杰赵喆张庆龙陶飞飞邹银马河海大学商学院江苏南京211100

针对机构知识库资源推荐准确率低的问题,提出基于本体加权向量模型的改进方法,并使用此方法表示机构知识库用户模型,进而给出基于隐性信息和显性信息的兴趣权重计算公式,提出了个性化推荐的总体架构。通过实例验证,该模型在个性化推送... 详细信息

针对机构知识库资源推荐准确率低的问题,提出基于本体加权向量模型的改进方法,并使用此方法表示机构知识库用户模型,进而给出基于隐性信息和显性信息的兴趣权重计算公式,提出了个性化推荐的总体架构。通过实例验证,该模型在个性化推送系统中的应用可提高系统查全率和查准率。

关键词：本体资源推荐用户模型机构知识库

来源：评论

学校读者我要写书评

暂无评论

基于用户模型的加权位置／摘要排序算法

引用

微电子学与计算机 2008年第4期25卷 5-8页

作者：李强王申康浙江大学计算机学院

为了提高查询精度,提出了一种个性化元搜索引擎模型.在该模型中,引入了一种基于用户兴趣模型的加权位置/摘要的查询结果排序算法,该算法综合考虑了查询结果的摘要与查询的全局相关度、查询结果在各个成员搜索引擎返回结果中的排列位置... 详细信息

为了提高查询精度,提出了一种个性化元搜索引擎模型.在该模型中,引入了一种基于用户兴趣模型的加权位置/摘要的查询结果排序算法,该算法综合考虑了查询结果的摘要与查询的全局相关度、查询结果在各个成员搜索引擎返回结果中的排列位置信息、各个成员搜索引擎对查询意图主题类别的相关度三方面的信息.实验表明该排序算法能较好地把与用户查询意图相关的结果排在查询结果的最前面,提高了查准率.

关键词：元搜索引擎查询结果排序加权位置/摘要排序用户模型

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：