检索结果-南通市图书馆

基于用户聚类与动态交互信任关系的好友推荐方法研究

在线全文

学校读者我要写书评

暂无评论

数据分析与知识发现 2019年第10期3卷 66-77页

作者：高慧颖魏甜刘嘉唯北京理工大学管理与经济学院

【目的】利用用户信息和社交网络拓扑信息,提出基于用户聚类与动态交互信任关系进行精准好友推荐的方法。【方法】基于用户信息进行特征向量建模,改进K-Prototypes算法分类型变量的距离计算公式,并使用改进的K-Prototypes算法将最有可... 详细信息

【目的】利用用户信息和社交网络拓扑信息,提出基于用户聚类与动态交互信任关系进行精准好友推荐的方法。【方法】基于用户信息进行特征向量建模,改进K-Prototypes算法分类型变量的距离计算公式,并使用改进的K-Prototypes算法将最有可能成为好友的用户预先聚为k个簇类,然后在每一簇中基于拓扑社交网络信任关系对目标用户进行好友推荐。从全局信任关系和交互信任关系两个维度衡量用户之间的拓扑网络信任关系,并创新性地引入三个动态信任调节因子对交互信任度进行调节。最后在各个簇中融合全局信任度和动态交互信任度计算动态综合信任度,基于此为用户产生Top-N好友推荐列表。【结果】通过与传统的好友推荐方法FOAF和SNS+Content进行比对,本文基于用户聚类与动态交互信任关系的好友推荐方法在准确性、召回率、F1-Measure指标上均高于传统方法。【局限】本文的信任衡量模型只涉及多对一和一对一之间的群体信任关系,暂未考虑到一对多、多对多的群体信任关系。【结论】本文综合利用用户信息和社交网络拓扑结构信息,深度挖掘用户间交互行为变化所反映的动态信任关系,能为社交用户做出更有效的好友推荐。

关键词：好友推荐用户聚类信任度量动态交互信任

在线全文

学校读者我要写书评

暂无评论

用户聚类和多最小支持度关联规则的推荐系统

北京化工大学学报（自然科学版） 2012年第6期39卷 111-116页

作者：李辉刘新跃北京化工大学信息科学与技术学院北京100029

在几种流行的推荐算法的基础上,本文提出了一种新的融合用户聚类和关联规则的算法来改善推荐效果。该算法在经典的关联规则算法Apriori基础上引入多最小支持度的概念,并在关联规则算法之前进行用户聚类,在聚类算法中使用了包含字符属性... 详细信息

在几种流行的推荐算法的基础上,本文提出了一种新的融合用户聚类和关联规则的算法来改善推荐效果。该算法在经典的关联规则算法Apriori基础上引入多最小支持度的概念,并在关联规则算法之前进行用户聚类,在聚类算法中使用了包含字符属性的混合属性距离函数,提高聚类效果。在此算法的基础上,设计并实现了一种新的基于图书馆的推荐系统。实验证明该算法改善了数字图书馆中新书的推荐质量,去除了部分只含高浏览量图书的无意义规则,并趋向于发现相近种类图书的关联性。

关键词：数字图书馆关联规则多最小支持度用户聚类混合属性距离函数

在线全文

学校读者我要写书评

暂无评论

多维度属性加权分析的微博用户聚类研究

图书情报工作 2018年第24期62卷 124-133页

作者：张海涛唐诗曼魏明珠李泽中吉林大学管理学院长春130022 吉林大学信息资源研究中心长春130022

[目的/意义]准确把握社交网络用户兴趣倾向,对用户进行分类并形成高聚合的用户群,对研究社交网络信息生态以及信息推荐有重大意义。[方法/过程]通过构造基于多维度的用户属性描述层次模型,根据模型数据需求从新浪微博抓取用户样本数据,... 详细信息

[目的/意义]准确把握社交网络用户兴趣倾向,对用户进行分类并形成高聚合的用户群,对研究社交网络信息生态以及信息推荐有重大意义。[方法/过程]通过构造基于多维度的用户属性描述层次模型,根据模型数据需求从新浪微博抓取用户样本数据,对相关用户背景信息、用户博文信息以及用户行为信息的多维度属性下二阶变量进行量化,构造用户向量表达式,比较单一维度与多维度下的用户分类效果,进一步给属性赋予不同的权重值进行加权分析,在取得最优聚类效果后进行方差分析,对模型进行改进。[结果/结论]基于多维度属性加权后的用户聚类效果明显高于单一维度及多维度非加权条件下的用户聚类,且用户博文内容维度对于提高用户聚类效果的有效性最大。

关键词：微博多维度用户聚类加权分析

基于混合隐Markov链浏览模型的WEB用户聚类与个性化推荐

在线全文

学校读者我要写书评

暂无评论

情报学报 2009年第4期28卷 557-564页

作者：林文龙刘业政朱庆生奚冬芹合肥工业大学管理学院电子商务研究所合肥230009 过程优化与智能决策教育部重点实验室合肥工业大学合肥230009

针对传统的Markov链模型不能有效的表征长串访问序列所蕴含的丰富的用户行为特征（用户类别特征、访问兴趣迁移特征）的缺点,提出混合隐Markov链浏览模型。混合隐Markov链模型使用多个不同的模型来区分不同类别用户的浏览特征,并为每个... 详细信息

针对传统的Markov链模型不能有效的表征长串访问序列所蕴含的丰富的用户行为特征（用户类别特征、访问兴趣迁移特征）的缺点,提出混合隐Markov链浏览模型。混合隐Markov链模型使用多个不同的模型来区分不同类别用户的浏览特征,并为每个类别的用户设置了能跟踪捕捉其访问兴趣变化的类隐Markov链模型,能更好地对WWW长串访问序列的复杂特征进行建模,在真实WWW站点访问日志数据上的用户聚类实验与个性化推荐实验的结果表明,混合隐Markov链模型与传统的Markov链模型相比,具有更理想的聚类性能和推荐性能。

关键词： Web使用挖掘隐Markov链模型用户聚类个性化推荐

基于LDA模型特征选择的在线医疗社区文本分类及用户聚类研究

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

情报学报 2017年第11期36卷 1183-1191页

作者：吴江侯绍新靳萌萌胡忠义武汉大学信息管理学院武汉430072

随着互联网时代的快速发展,在线医疗社区的出现打破了时空限制,为用户提供了丰富的医疗信息和情感帮助,已经成为社会支持的重要来源,受到用户的广泛关注和参与。对在线医疗社区进行用户文本挖掘能够揭示社区中用户的参与行为,从而优化... 详细信息

随着互联网时代的快速发展,在线医疗社区的出现打破了时空限制,为用户提供了丰富的医疗信息和情感帮助,已经成为社会支持的重要来源,受到用户的广泛关注和参与。对在线医疗社区进行用户文本挖掘能够揭示社区中用户的参与行为,从而优化其用户管理和信息推荐。已有的研究对象主要集中在英文在线医疗社区,鲜有文献对中文在线医疗社区进行研究。基于社会支持理论,本文设计了一个中文用户文本挖掘流程来研究中文在线医疗社区中的社会支持类型和用户参与。利用中文文本挖掘及机器学习方法,对中文糖尿病社区"甜蜜家园"进行研究。本文利用LDA(Latent Dirichlet Allocation)模型进行特征提取来构建低维度文本表示向量,采用二元分类法将用户文本分为不同的社会支持类型。最后,基于分类结果使用K-means算法进行用户聚类来识别用户角色。相比传统的特征提取方法,利用LDA进行特征提取能显著地降低数据维度,优化分类模型,提高分类准确率和分类效率。结果表明,本文提出的中文用户文本挖掘流程在文本分类与用户聚类中效果显著。

关键词：在线医疗社区 LDA模型特征提取文本分类用户聚类

基于马尔可夫模型的图书馆用户聚类分群方法研究

在线全文

学校读者我要写书评

暂无评论

情报科学 2021年第11期39卷 167-172页

作者：吴艳玲孙思阳吉林建筑大学图书馆吉林长春130018 中国社会科学院图书馆法学分馆北京100732

【目的/意义】针对图书馆用户群体聚类分群不稳定且错误率较高的问题,提出基于马尔可夫模型的图书馆用户聚类分群方法,提升图书馆用户聚类分群精准度。【方法/过程】采用一阶马尔可夫混合模型构建用户动作序列模型,通过模型产生用户行... 详细信息

【目的/意义】针对图书馆用户群体聚类分群不稳定且错误率较高的问题,提出基于马尔可夫模型的图书馆用户聚类分群方法,提升图书馆用户聚类分群精准度。【方法/过程】采用一阶马尔可夫混合模型构建用户动作序列模型,通过模型产生用户行为聚类,体现用户动作的动态性,采用自适应自然梯度算法,依据用户行为分离状态自适应调整自身步长,优化模型参数学习中模型自动选择问题,实现最佳图书馆用户聚类分群。【结果/结论】通过实验结果能够证明,实际聚类数量小于L值时,提出方法能够实现参数学习过程中模型的自动选择。提出方法的分群数量最多,能够划分出最大的取值区间,聚类错误率最低为0.22%,聚类性能比较稳定,分群结果更加精准,达到了设计的预期。【创新/局限】采用一阶马尔可夫混合模型实现了图书馆用户聚类分群。后续将进一步研究可考虑用户序列间关联的高阶马尔可夫分量模型,以提高分群算法的准确性和稳定性。

关键词：马尔可夫模型图书馆用户聚类分群数量

融合用户聚类与项目聚类的加权Slope One算法

在线全文

学校读者我要写书评

暂无评论

控制工程 2018年第7期25卷 1297-1302页

作者：关志芳孟海东包头钢铁职业技术学院自动化系内蒙古包头014010 内蒙古科技大学信息工程学院包头014010 内蒙古科技大学矿业研究院包头014010

随着互联网信息量的增加,传统协同过滤推荐算法在处理大规模数据时表现出性能低下、准确率不高等缺点。基于此提出一种融合用户聚类和项目聚类的加权Slope One算法,算法基本思想为：采用聚类技术将相似度较高的用户或者项目进行聚类,在... 详细信息

随着互联网信息量的增加,传统协同过滤推荐算法在处理大规模数据时表现出性能低下、准确率不高等缺点。基于此提出一种融合用户聚类和项目聚类的加权Slope One算法,算法基本思想为：采用聚类技术将相似度较高的用户或者项目进行聚类,在进行全局计算时只需计算同类中的对象,而不需计算所有对象,然后将每个聚类分别使用融合用户相似度与项目相似度的加权Slope One算法进行评分预测。实验结果表明,所提出算法在提高了算法执行效率的同时,仍能获得较高的推荐准确度。

关键词：用户聚类项目聚类个性化推荐协同过滤 Slope One算法

在线全文

学校读者我要写书评

暂无评论

基于标签与关系网络的用户聚类推荐研究

数据分析与知识发现 2017年第6期1卷 36-46页

作者：熊回香蒋武轩华中师范大学信息管理学院武汉430079

【目的】利用用户标签及关系网络,为用户推荐潜在的相似用户。【方法】通过探究社会化标注系统中标签、关系网络所表征的用户长短期兴趣特征,综合用户标签及关注关系,利用多维尺度法构建用户聚类模型,根据用户聚类结果进行相似用户推荐... 详细信息

【目的】利用用户标签及关系网络,为用户推荐潜在的相似用户。【方法】通过探究社会化标注系统中标签、关系网络所表征的用户长短期兴趣特征,综合用户标签及关注关系,利用多维尺度法构建用户聚类模型,根据用户聚类结果进行相似用户推荐,并以"微博"为例对模型进行实证。【结果】实验结果表明,基于标签和关系网络的用户聚类模型能够有效地结合用户长短期兴趣特征,挖掘潜在相似用户,聚类及推荐效果较好。【局限】样本数据集具有局限性,不能完全涵盖用户兴趣领域,仅从一个领域验证了模型的准确性与有效性。【结论】通过对用户标签及关系网络挖掘用户长短期兴趣,构建的基于用户静态标签与动态关系网络的用户推荐模型,对个性化用户推荐效果有较好的提升。

关键词：社会化标注标签关系网络用户聚类多维尺度分析

积极还是沉默:学科差异视角下学术社交网络用户聚类与利用行为研究

在线全文

学校读者我要写书评

暂无评论

情报理论与实践 2022年第6期45卷 138-146页

作者：严炜炜黄为武汉大学信息资源研究中心湖北武汉430072 武汉大学信息管理学院湖北武汉430072

[目的/意义]学术社交网络已经成为科研工作者们维护人际关系、进行科研合作和学术交流的重要途径,开展用户行为聚类研究对学术社交网络平台准确识别用户组成成分、理解用户行为、提升服务效率具有重要意义。[方法/过程]文章以ResearchGa... 详细信息

[目的/意义]学术社交网络已经成为科研工作者们维护人际关系、进行科研合作和学术交流的重要途径,开展用户行为聚类研究对学术社交网络平台准确识别用户组成成分、理解用户行为、提升服务效率具有重要意义。[方法/过程]文章以ResearchGate(RG)为研究对象,在构建平台用户行为的描述模型基础上,利用K-means算法对学术社交网络的用户利用行为进行聚类分析,并立足于学科差异视角探索不同学科用户分布与行为特征。[结果/结论]研究表明RG用户可被划分为10类,不同用户群体在平台功能的利用方面存在较明显的行为偏好差异。同时,学术社交网络的用户利用行为存在学科差异,自然科学类用户类型分布较为均匀,较少呈现极端偏向某一用户群体的情况,利用行为也更加积极;而人文社科类用户主要由潜水用户组成,表现相对沉默。

关键词：用户聚类利用行为学术社交网络学科差异 K-means算法