發(fā)布時間：2017-10-19 09:10

  本文關(guān)鍵詞：基于用戶情景感知的動態(tài)興趣模型及其應(yīng)用

  更多相關(guān)文章： 情景感知 興趣模型 情景興趣 偏好漂移 書目推薦

【摘要】：時代在進步,信息也在隨之發(fā)展,隨著信息時代的進一步發(fā)展,信息的數(shù)據(jù)量也在不斷擴,大量無用的數(shù)據(jù)信息資源充斥著人們對生活,一方面給人們帶來極大方便,克另一方面,也為查詢需要的信息增加了難度。在“大數(shù)據(jù)”時代的背景下,推動了智能搜索引擎的發(fā)展,同時也催生了個性化的推薦系統(tǒng)。推薦系統(tǒng)通過其主動、高效的信息推薦服務(wù)完善了互聯(lián)網(wǎng)的服務(wù)體系結(jié)構(gòu),改善了用戶體驗,為數(shù)字化信息改革提供了新的方向。 近年來關(guān)于推薦系統(tǒng)的研究主要集中在應(yīng)用和推薦算法的改進兩個層面上。從應(yīng)用層面上講,討論如何將推薦系統(tǒng)應(yīng)用于各個領(lǐng)域,為人們帶來便利是關(guān)鍵。另一方面的研究是從推薦算法的角度,通過對算法的改進和融合提高一個推薦系統(tǒng)的運算速度和推薦的準(zhǔn)確度。不論從哪個層面上說,提高用戶的滿意度才是最根本的。因此,本文的研究主要從用戶的角度考慮,關(guān)注用戶體驗,通過對用戶情景進行獲取和分析建立基于情景感知的用戶興趣模型,并結(jié)合適當(dāng)?shù)耐扑]算法,將該模型應(yīng)用于移動數(shù)字圖書館書目推薦中,以此來提高讀者滿意度,提升讀者借閱體驗。 通過查閱大量的文獻資料,作者確定了該項研究的可行性,并在眾多文獻基礎(chǔ)和實驗基礎(chǔ)上展開了如下的研究分析。 本文首先研究情景對用戶興趣的影響,并將用戶情景進行分類。通過RFID/GPS等技術(shù)和情景模型對包括時間、地點等初級用戶情境進行獲取和識別。 其次,本文在引入用戶興趣模型的基礎(chǔ)上加入了對用戶情景興趣的感知。用戶興趣是推薦系統(tǒng)的關(guān)鍵,除了用戶自己標(biāo)識的顯性興趣外還有通過用戶瀏覽行為搜集的隱性興趣和面向任務(wù)對象的情景興趣�；诖�,本文提出融合情景感知的用戶實時興趣模型,并利用用戶的體驗反饋對該模型進行更新,旨在為用戶提供更準(zhǔn)確的推薦服務(wù)。 最后,本文將該興趣模型應(yīng)用于數(shù)字圖書館的書目推薦上,配合適當(dāng)?shù)耐扑]算法,得出更準(zhǔn)確、合乎讀者情景的推薦系統(tǒng)。
【關(guān)鍵詞】：情景感知 興趣模型 情景興趣 偏好漂移 書目推薦
【學(xué)位授予單位】：華中師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP391.3
【目錄】：

• 摘要6-7
• Abstract7-10
• 1 緒論10-15
• 1.1 研究背景及意義10-11
• 1.2 研究現(xiàn)狀11-13
• 1.3 本文內(nèi)容及組織結(jié)構(gòu)13-15
• 2 相關(guān)理論基礎(chǔ)15-22
• 2.1 情景感知理論15-18
• 2.1.1 情景15-16
• 2.1.2 情景感知16
• 2.1.3 情景感知計算16-17
• 2.1.4 情景感知面臨的問題17-18
• 2.2 推薦算法的相關(guān)研究18-20
• 2.2.1 基于協(xié)同過濾的推薦18-19
• 2.2.2 基于內(nèi)容的推薦19-20
• 2.2.3 混合推薦算法20
• 2.3 融合情景信息的推薦20-22
• 3 用戶情景感知分析22-28
• 3.1 情景分類22-23
• 3.2 情景獲取與說明23-25
• 3.2.1 情景獲取23-24
• 3.2.2 情景說明24-25
• 3.3 情景的應(yīng)用過程25-28
• 3.3.1 表示與篩選25
• 3.3.2 情景識別與應(yīng)用25-28
• 4 基于情境感知的用戶實時興趣模型28-38
• 4.1 自定義興趣模型29-32
• 4.1.1 興趣標(biāo)簽29-30
• 4.1.2 標(biāo)簽標(biāo)準(zhǔn)化30
• 4.1.3 用戶自定義興趣模型30-32
• 4.2 用戶行為興趣模型32-33
• 4.2.1 用戶瀏覽行為特征提取32
• 4.2.2 行為興趣項權(quán)重計算32-33
• 4.3 用戶情境興趣模型33-35
• 4.3.1 情景興趣33-34
• 4.3.2 情景相似度34-35
• 4.3.3 情景興趣項權(quán)重計算35
• 4.4 用戶實時興趣計算35-36
• 4.5 基于遺忘函數(shù)的模型更新36-38
• 5 基于讀者情景感知的書目推薦38-43
• 5.1 基于情景感知的讀者興趣偏好38-39
• 5.2 建立移動圖書館推薦系統(tǒng)39-42
• 5.2.1 推薦系統(tǒng)結(jié)構(gòu)分析39-40
• 5.2.2 協(xié)同過濾推薦算法40-42
• 5.3 驗證方法42-43
• 6 總結(jié)與展望43-45
• 6.1 全文總結(jié)43
• 6.2 研究展望43-45
• 參考文獻45-49
• 攻讀碩士學(xué)位期間的成果49-50
• 致謝50-51

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 尹柱平;;數(shù)字圖書館推薦系統(tǒng)的偏好模型分析[J];桂林航天工業(yè)高等�？茖W(xué)校學(xué)報;2011年02期

2 李文芳;方紅;劉紅麗;;高校移動圖書館建設(shè):基于華中科技大學(xué)移動圖書館用戶需求的調(diào)查與分析[J];高校圖書情報論壇;2012年02期

3 汪秉宏;周濤;周昌松;;人類行為、復(fù)雜網(wǎng)絡(luò)及信息挖掘的統(tǒng)計物理研究[J];上海理工大學(xué)學(xué)報;2012年02期

4 顧君忠;;情景感知計算[J];華東師范大學(xué)學(xué)報(自然科學(xué)版);2009年05期

5 楊東風(fēng);;基于多興趣度的圖書借閱推薦系統(tǒng)研究與設(shè)計[J];信息技術(shù);2011年07期

6 朱國瑋;周利;;基于遺忘函數(shù)和領(lǐng)域最近鄰的混合推薦研究[J];管理科學(xué)學(xué)報;2012年05期

7 胡慕海;蔡淑琴;譚婷婷;;面向移動數(shù)字圖書館的情境敏感型知識推薦研究[J];計算機科學(xué);2011年08期

8 張馳;陳剛;王慧敏;;基于混合推薦技術(shù)的推薦模型[J];計算機工程;2010年22期

9 薛偉蓮;王蘊慧;;一種基于對話的電子商務(wù)推薦系統(tǒng)[J];遼寧師范大學(xué)學(xué)報(自然科學(xué)版);2011年02期

10 于洪;李轉(zhuǎn)運;;基于遺忘曲線的協(xié)同過濾推薦算法[J];南京大學(xué)學(xué)報(自然科學(xué)版);2010年05期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 王冰;移動情景感知服務(wù)的商業(yè)模式與設(shè)計科學(xué)研究[D];浙江工商大學(xué);2012年

2 孔維梁;協(xié)同過濾推薦系統(tǒng)關(guān)鍵問題研究[D];華中師范大學(xué);2013年

，

本文編號：1060233