一种基于内容的信息过滤改进模型

根据过滤系统的不同过滤目的，将信息过滤分为两类：(1)基于满足用户信息需求的用户兴趣过滤；(2)基于保障数据安全和社会安全的安全过滤．在详细分析了这两类信息过滤的异同之后，指出了安全过滤研究的特殊性及其主要研究内容．在现有用户兴趣过滤系统模型的基础上，提出了一个基于内容的信息过滤模型，并对模型中新增模块进行了试验．研究结果表明，新增模块能够很好地实现基于内容过滤系统的高精度，证明了该过滤模型具有一定的实用价值．     

基于本体的数字图书馆信息过滤研究

语义Web的概念正在成为计算机信息处理领域当前研究的热点之一 .本体 (Ontology)将在“语义Web”中起到至关重要的作用 ,它通过提供共享的并精确定义的术语源 ,将语法的互操作扩展到语义的互操作 .信息过滤目的在于依据用户兴趣 ,进行动态信息搜索和匹配以满足用户的需求 ,从而实现个性化服务 .本文提出了一种新的基于本体的数字图书馆信息过滤方法 ,它具有 3个显著的优点 :①采用了混合信息过滤模型 ,克服了基于内容和协作过滤的不足 ;②建立本体驱动的用户模板 ,解决了用户兴趣的获取问题 ;③信息内容采用本体来组织 ,实现语义级查询和高效的匹配机制     

Open Bookmark——基于Agent的信息过滤系统

为解决搜索引擎等传统网络信息服务系统的不足 ,提出了一个基于 Agent的信息过滤系统—— OpenBookm ark,它提供了一个开放性的信息组织环境。 OpenBookm ark使用向量空间法和社会过滤两种信息过滤方式帮助用户获取有用信息。向量空间法采用关键词向量描述用户的信息需求 ,通过计算信息之间的相似度 ,从信息数据库中提取符合用户兴趣的信息推荐给用户 ,并根据用户的反馈信息调整关键词向量。系统采用信息 Agent获取用户的信息需求 ,以实现个性化的主动信息服务 ,Agent之间采用 Agent通信语言进行信息协作 ,实现社会过滤。在开放式信息服务系统中使用信息过滤的方法 ,可以帮助用户有效地获取信息。     

基于自适应用户模型的RSS内容过滤

为更好地解决用户如何从过载信息中快速获取需要的信息，利用RSS标准与内容过滤技术，提出了一种使用Rocchio单次反馈和多次反馈相结合的方法，此方法可以准确、快速地追踪用户兴趣的概念漂移，自适应用户模型的变化，更好地实现用户的个性化需求．为验证该方法的可行性，实现了一个基于RSS新闻的内容过滤系统（RSS News Filtering）．     

商场推荐系统的设计与实现

为了解决线下消费信息获取不全面、不便捷问题,让消费者在线下消费时享受到与线上消费相似的推荐服务,经可行性调研,采用基于流行度的算法、基于用户的协同过滤算法、基于项目的协同过滤算法,并对算法进行优化,开发以推荐服务为主、位置服务为辅的商场推荐系统,帮助用户解决线下购物遇到的选择问题。主要实现了地图定位功能、搜索商品商店功能、商品商店推荐功能、商品商店评分功能、收藏商品商店功能。     

基于情感分析和情感遗忘的协同过滤推荐策略

【目的】探索弥补现有协同过滤推荐系统中存在的诸如无法有效地识别用户兴趣的迁移、数据稀疏情况下推荐准确率低等缺陷的方法。【方法】通过对网络用户在线评论信息进行基于方面级的情感分析，利用改进的DP算法提取出评论信息中用户潜在的情感倾向，并对它进行有效地量化，有效地将用户的情感因素引入到用户兴趣建模过程中。同时，引入艾宾浩斯遗忘曲线理论，解决因时间变化而导致的用户兴趣迁移的问题。【结果】模拟实验在所选的两套数据集上进行，分别针对平均绝对误差（MAE）和覆盖率（Coverage）两个常用的性能评价标准，与选定的对比算法进行了对比实验。实验结果显示提出的引入情感分析和遗忘的协同过滤推荐算法能够有效地降低MAE，并能有效地提升Coverage。【结论】提出的算法有效地弥补了兴趣迁移对推荐准确率的影响，提高了系统对商品长尾的发掘能力。     

一种解决协同过滤数据稀疏性问题的方法

面对信息量过载的问题,为了使用户尽快的从大量的数据中找到自己需要的信息,即运用协同过滤算法解决数据稀疏性问题,本文提出了一种基于径向基函数(RBF)神经网络的解决方法.首先构建RBF神经网络并提出了一种新的确定隐层节点方法.然后利用构建的RBF神经网络预测用户评价矩阵中的空缺值,提高用户相似度计算的准确性.最后通过与经典协同过滤算法的对比实验证明所提算法的实用性,实验结果表明,基于RBF神经网络的协同过滤算法可以有效的解决用户评分数据的稀疏性问题,提高推荐的准确度.     

基于迁移的联合矩阵分解的协同过滤算法

早期的协同过滤算法利用矩阵分解来解决数据稀疏问题,但是严重的稀疏问题导致矩阵分解的性能很难满足应用的需求.随后,迁移学习被引入到协同过滤的研究中,它主要利用辅助域和目标域的公共用户的各种信息来解决目标域的数据稀疏问题.虽然通过引入辅助域的信息能够帮助目标域获取更多的知识,但是在公共用户包含的公共商品项目少的情况下,只利用公共用户的浅层特征来度量用户的相似性,不能很好地捕捉用户的潜在特征,相似性度量效果不好.为此,本文提出了一种基于迁移的联合矩阵分解协同过滤模型,以公共用户为锚,将两个领域的用户和商品映射到一个潜在的语义空间.模型通过对两个领域的用户 商品评分矩阵在以公共用户信息作为约束项的情况下,进行联合矩阵分解,在实际基准数据集上的实验结果表明,本文所提出的方法明显优于现有基于相似度计算的迁移学习方法,也证明了模型的有效性.     

基于用户评分一致性的协同过滤个性化推荐算法

在目前信息高速发展的时代,个性化推荐作为信息过滤的重要手段,是解决信息超载的最有效方法之一。协同过滤一直是解决个性化推荐比较热门的技术,其主要思想是计算用户之间的相似性或计算项目之间的相似性,然后根据用户或项目之间的相似性对目标用户进行推荐。文章基于协同过滤的思想,提出了一种结合用户评分一致性的单模投影算法,首先在用户与项目的关系二部图中计算用户之间的评分一致性,然后把一致性赋值作为压缩之后的单模投影权值,最后用K近邻找到相似用户并做出个性化推荐。在MovieLens、 FilmTrust和Jester等真实数据集上的实验表明,基于评分一致性的推荐算法达到了较好的效果。     

融合社交网络信息的协同过滤方法

针对目前协同过滤方法存在的数据稀疏性、冷启动以及未能有效利用用户社交网络信息提高推荐质量等问题,提出一种融合用户社交网络信息的协同过滤方法,该方法以矩阵分解推荐模型为核心,可综合集成目标用户个人偏好以及社交网络中的关系用户偏好特征信息做出推荐.通过设计相应的推荐方法,并基于梯度下降法对用户以及商品特征矩阵的求解进行了优化运算.相关实验结果表明融合社交网络信息可在一定程度上提高协同过滤的推荐准确度以及缓解数据稀疏性、冷启动问题.     

加入时间因素的个性化信息过滤技术

提出一种加入时间因素的个性化信息过滤技术.在建立用户模型时,根据用户行为动态确定用户兴趣类别的数量并建立(调整)相应兴趣类别的特征向量.通过在表示用户兴趣类别的特征向量中添加时间因素,可以兼顾用户的短期和长期兴趣,跟踪用户的兴趣变迁.在信息过滤时,首先计算文档与用户兴趣类别的相似度,并根据时间参数调整最终得分.本系统每秒钟能学习文档267篇,为402篇文档评分;在召回率为70%时,精确率为57%.     

结合知识图谱进行信息强化的协同过滤算法

针对传统协同过滤算法存在使用信息单一、基础评分数据过于稀疏导致推荐效果不佳等问题,该文提出一种结合知识图谱进行信息强化的协同过滤(KGRI-CF)算法.该算法利用电影的特征数据构建1张关于电影的知识图谱,对用户-评分矩阵进行有条件的填充,有效改善了传统协同过滤算法的数据稀疏性问题.通过对评分数据进行统计与挖掘获取用户的偏好信息,构建了关于用户偏好的知识图谱.利用实体向量化算法将知识图谱中的实体以及关系向量化后计算出用户信息相似度,将其与基于用户的传统协同过滤算法得到的用户评分相似度以一定比例进行融合,从而得到最终的用户相似度,并以此为基础进行评分预测并得到推荐列表.实验结果表明:与传统协同过滤算法相比,该算法能有效地改善数据稀疏性问题,预测结果的精准率和召回率均有显著提升,同时具有较好的可解释性.     

基于遗传算法的用户模板优化研究

近年来，由于科技突飞猛进的发展和互联网的迅速崛起，不良信息的过滤成为信息过滤的一个重要方向，而信息过滤的关键技术是用户模板的获取．本文对遗传算法作了改进，并将其用于优化用户模板，使用户模板具有关键词自动扩充和自适应能力，进而能有效地进行过滤，提高过滤质量．     

An Integrated Information Retrieval Support System for Campus Network

This paper presents a new integrated information retrieval support system （IIRSS） which can help Web search engines retrieve cross-lingual information from hereto geneous resources stored in multi-databases in Intranet. The IIRSS, with a three-layer architecture, can cooperate with other application servers running in Intranet. By using intelligent agents to collect information and to create indexes on the-fly, using an access control strategy to confine a user to browsing those accessible documents for him/her through a single portal, and using a new cross-lingual translation tool to help the search engine retrieve documents, the new system provides controllable information access with different authorizations, personalized services, and real-time information retrieval.     

面向用户兴趣的Web信息过滤系统

研究了面向用户兴趣的Web信息过滤系统的主要技术,包括用户兴趣表示、度量和更新、网页内容识别和网页信息过滤等技术,并在此基础上设计和实现了一个Web信息过滤系统。该系统能够进行一定的信息过滤,能够进行自学习,并随着用户兴趣的变化渐渐更新,基本能够实现用户的个性化信息服务需求。     

一种基于语义的网络信息过滤三层模型设计

提出了一种面向网络信息的层次过滤模型及其体系架构,该模型分为本体过滤层、需求过滤层和兴趣过滤层.本体过滤层中,利用本体为基础对信息内容进行语义描述,实现信息的计算机理解与过滤;在需求过滤层,模型通过理解用户所提出的需求中所包含的语义,进而更加准确地通过过滤规则进行信息流过滤;在兴趣过滤层,用户兴趣通过特定方式表达,并通过语义相似度计算实现第三过滤层.     

PDF文档表格信息的识别与提取

为编辑PDF文档中的表格信息，设计一种基于Python平台的，包含文件选取与文件转换两大功能模块的信息提取软件。该软件利用Python内置库，针对PDF中不同表格的结构设计算法，识别表格内的文字信息与表格结构,将得到的表格结构还原至Word与Excel文档中,文字信息同样复原至对应单元格内。实验表明:开发的软件完整快速地提取了PDF中的表格信息，并将其转化为易于编辑的Excel和Word文档，达到了预期目的；其转换速度与收费软件WPS相当，转换速度明显快于其他免费转换软件；识别精确度与迅捷PDF转换器、Smallpdf等相比有所提高。     

基于本体的信息检索模型研究

在传统的信息检索模型中，由于档逻辑视图和用户信息需求逻辑视图不能有效地代表档和用户信息需求，所以尽管根据逻辑视图的特点选取了合适的排序函数，但检索性能总是不能令人满意．提出基于本体的信息检索模型，使用较好的兼顾了知识表达能力和推理效率的描述逻辑来构建本体，利用tableau算法和只含有原子角色情况下个体间的等价关系分别生成概念集和个体集的商集，从而得到具有语义的索引项集合，利用这些具有语义的索引项来生成较好地反映档和用户信息需求语义的档逻辑视图和用户信息需求逻辑视图；由于逻辑视图能够有效地代表档和用户信息需求，再根据逻辑视图的特点选取合适的排序函数，从而可以使检索性能大大提高．     

一种网络智能信息Agent--CIRs的设计

Web上大量、分布、动态的信息,造成了用户在查询Web上的信息时产生“信息过载”和“信息迷向”现象．智能信息Agent是解决此问题的研究热点．设计并实现了一种以智能化、主动搜索为标志的互联网智能信息Agent-CIRs,从用户日常的行为中自动学习出用户兴趣模型,从而为用户提供个性化Web信息服务．     

信息筛选中群体用户偏好聚合模型

将信息筛选描述为信息对象到用户偏好值的映射函数,利用多目标决策方法提出了一个信息筛选中群体用户偏好聚合模型,对信息筛选过程进行了分析,它包括用户偏好,接受信息输入流,计算其用户好值以及用户偏好修正。