面向决策支持的个人助手Agent用户概貌构建方法研究

个人助手Agent的特性决定了其在个性化决策支持中发挥着越来越重要作用．重点研究了构建面向决策支持的个人助手Agent的基础——用户概貌的形式化表示和构建方法,提出了一种加权的层次化用户概貌表示方法和多阶段用户概貌构建方法,在用户概貌的构建中重点研究了用户概貌中的核心内容——用户偏好的获取方法．     

基于OWL- S的语义Web服务匹配代理的设计与实现

文中提出了一种智能中间代理来执行Web服务语义匹配.匹配过程基于OWL-S本体,它包含服务发现、匹配及执行所需要的语义信息.为了发现满足用户请求的服务,智能代理使用匹配算法和基于描述逻辑自动推理器来匹配服务请求和服务广告描述.     

基于OWL-S的语义Web服务匹配代理的设计与实现

文中提出了一种智能中间代理来执行Web服务语义匹配.匹配过程基于OWL-S本体,它包含服务发现、匹配及执行所需要的语义信息.为了发现满足用户请求的服务,智能代理使用匹配算法和基于描述逻辑自动推理器来匹配服务请求和服务广告描述.     

基于大数据的人工智能跨境电商导购平台信息个性化推荐算法

传统算法计算与存储开销大,影响推荐结果准确性,不适于含大规模数据的人工智能跨境电商导购平台信息的个性化推荐的。为此,通过大数据技术研究人工智能跨境电商导购平台信息个性化算法,使得大数据技术在Hadoop平台实现,通过Map将任务分解成多个任务,采用Reduce将分解后多任务处理结果集合在一起,获取最终处理结果。通过两个MapReduce与一个map对平台中用户偏好获取算法进行并行化处理。针对用户偏好,通过关联规则挖掘获取和用户偏好相符的商品,推荐给用户。结果表明:所提算法推荐准确率、召回率和平均精度均高于其他算法;所提算法推荐商品符合用户偏好;所提算法推荐商品信息点击率与转换率最优。可见所提算法推荐精度高,推荐商品信息可满足用户偏好,应用性强。     

基于软约束满足理论的用户偏好建模方法

用户建模是电子商务领域的重要研究问题之一,但是到目前为止还没有非常有效的方法能够建模用户的动态偏好等特征。在分析电子商务领域用户偏好特征获取一般特点的基础上,提出基于实例的两阶段递增式用户偏好特征获取方法。并采用基于半环的软约束满足问题表示用户的各类偏好特征,将用户建模看成是潜在方案空间上施加一系列偏好约束的过程。提出不同的偏好约束类型以及利用偏好约束建立用户模型的过程,实现电子商务领域复杂用户偏好的灵活建模。     

基于标签重要程度的协同过滤推荐算法

针对传统协同过滤推荐算法在用户隐式反馈数据挖掘不够充分、用户兴趣偏好模型过于粗糙,提出一种标签重要程度的协同过滤推荐算法。用户使用标签的种类和频率可以反映用户的偏好和偏好程度;在此基础上建立新的用户兴趣偏好模型,将标签对用户的影响程度进行量化,建立新的相似度计算方法。最后获得目标用户的近邻集合和预测评分,为目标用户实施有效推荐。实验结果表明该算法大幅度提高了推荐的精准度、缓解了冷启动问题。     

Semi-supervised Document Clustering Based on Latent Dirichlet Allocation (LDA)

To discover personalized document structure with the consideration of user preferences,user preferences were captured by limited amount of instance level constraints and given as interested and uninterested key terms.Develop a semi-supervised document clustering approach based on the latent Dirichlet allocation(LDA)model,namely,pLDA,guided by the user provided key terms.Propose a generalized Polya urn(GPU) model to integrate the user preferences to the document clustering process.A Gibbs sampler was investigated to infer the document collection structure.Experiments on real datasets were taken to explore the performance of pLDA.The results demonstrate that the pLDA approach is effective.     

基于用户查询意图的搜索排序算法

目前互联网技术的研究热点是智能化的、个性化的服务,而传统的Web搜索排序算法和已有的个性化排序已经不能满足政府、企业等用户的信息查询需要.本文将研究核心定位到充分理解用户查询偏好上,提出了基于用户偏好的PageRank算法.文中利用用户互反馈技术修正查询关键词,利用语义相关性技术分析用户查询意图,理解用户偏好.改进的算法完善了搜索查询的可靠性依据,能够较好地挖掘用户的偏好主题,贴近用户的查询目的,提高搜索查询效率和用户满意度.     

基于矩阵分解与随机森林的多准则推荐算法

现今的推荐算法大多忽略用户偏好和项目属性中的多个特征,而是在单一推荐准则的基础上训练模型进行推荐. 基于多准则的推荐算法通过考虑用户偏好的多个方面,可以为用户行为提供更加准确的预测. 酒店是旅游行业中重要的环节,为了提高旅客体验,实现酒店评分预测,提出了基于矩阵分解与随机森林的多准则推荐算法. 该算法分两步实现,通过矩阵分解训练得出用户对物品在各个准则上的评分特征,然后随机森林学习评分特征预测最终评分. 实验结果显示,相较传统算法,基于矩阵分解与随机森林的多准则推荐算法的准确性和实用价值更高.     

面向浏览者的图像推荐模型

要求互联网中的浏览者为每一幅图像表示其反馈是困难的,需要通过分析浏览者的行为,隐式地获取其评价。通过对浏览者的阅读、收藏和下载等行为的分析,度量用户对图像的关注度,以此作为用户反馈,分析其关键字偏好和图像特征偏好,进一步设计了用户偏好的遗忘策略和学习策略,实现用户偏好的动态更新,通过关键字相似性分析和图像特征相似性分析两方面,为用户选择推荐的图像。以准确度和召回度作为评价标准,实验表明,所提出的方法具有较高的性能。     

智能用户接口中基于学习的用户建模方法

提出了一种基于学习的方法,对用户进行隐式的、分布式的建模.学习的作用体现在两个方面:通过基于学习的合同网协议获取用户的原始模型;通过基于观察的学习获得本次登录后用户的新模型.与其他建模方式相比,该方法不限制用户登录的终端又能充分利用用户的历史信息;该方法不侵犯用户的隐私,具有较好的适应性,通过学习,系统可以了解不同用户的爱好以及同一个用户的时变爱好.     

基于Agent的个性化推荐系统的研究

本文提出了一种基于Agent技术的个性化推荐系统的设计方法。认知Agent（Cognitive Agent）可以根据每个用户个人偏好并综合全体用户的普遍偏好情况为用户提供个性化的推荐服务,此外认知Agent还能根据每个用户的消费行为动态修正偏好设定,从而达到良好的推荐效果。本文还通过一个图书推荐系统的实例给出了基于Agent的个性化推荐系统在JACK平台下的具体设计和实现方法。     

云计算下用户行为特征的服务选择策略

在云模型中,不同的网络资源被网络虚拟化抽象成为各种服务,这些服务经过进一步的组合后以服务组合的方式提供给终端用户。为保证用户能高效地选取服务,从用户体验质量的角度,分析云环境下用户访问服务的行为,利用其访问服务的偏好性,提出基于用户行为特征的服务选择策略。理论分析和实验表明,该策略能保证较高的性能及用户满意度,能为用户提供有效的选择方案。     

Personalized Recommendation Algorithm Based on Preference Features

A hybrid collaborative filtering algorithm based on the user preferences and item features is proposed.A thorough investigation of Collaborative Filtering （CF） techniques preceded the development of this algorithm.The proposed algorithm improved the user-item similarity approach by extracting the item feature and applying various item features＇ weight to the item to confirm different item features.User preferences for different item features were obtained by employing user evaluations of the items.It is expected that providing better recommendations according to preferences and features would improve the accuracy and efficiency of recommendations and also make it easier to deal with the data sparsity.In addition,it is expected that the potential semantics of the user evaluation model would be revealed.This would explain the recommendation results and increase accuracy.A portion of the MovieLens database was used to conduct a comparative experiment among the proposed algorithms,i.e.,the collaborative filtering algorithm based on the item and the collaborative filtering algorithm based on the item feature.The Mean Absolute Error （MAE） was utilized to conduct performance testing.The experimental results show that employing the proposed personalized recommendation algorithm based on the preference-feature would significantly improve the accuracy of evaluation predictions compared to two previous approaches.     

一种基于行为规则的用户助手Agent的研究

用户助于Agent是帮助 用户或部分代替用户参与任务的软件Agent,该文在给出一个多Agent系统组织模型的基础上,根据模型中用户及用户Agent的分布特点,给出了用户Agent的基于精神状态的主要行为规则,以改善用户Agent的性能。该文还提出了一种合作伙伴的选择方法,该方法有利于提高完成任务的成功率。     

基于用户偏好的智能数据源选择

当前搜索引擎用户个性化的研究是搜索引擎优化的一个研究分支.当前检索模型的主要弊端就是搜索引擎用户提供的信息很少.目前主要借助于用户在和元搜索引擎交互的过程中提供的隐反馈信息对成员搜索引擎的数据源选择算法进行优化,利用语言模型对用户检索行为建模,用户与元搜索引擎交互的过程中动态更新用户行为模型,自适应的满足不同检索动机的用户的信息需求.     

基于时域特征检测用户用电不确定性行为

针对用户用电不确定性程度难以量化,如何选取合适用户参与电网新业务的问题,提出一种基于时域特征分量提取的用户用电不确定性行为检测方法,首先依次提取用电数据的周期分量、趋势分量和随机分量,并从随机分量中检测用户的不确定行为点,其次分别从短期和长期两个维度提出用户局部和整体不确定性指标,并对用户不确定性进行排序.结果 表明,所提方法可以准确检测用户的不确定行为点,量化用户的不确定性程度,在检测精度,效率和速率等方面均比其他方法具有优势,为电网公司在不同时段选取用户参与调控提供依据.     

用户兴趣模型在个性化搜索引擎中的应用

随着Internet的迅猛发展,个性化信息服务越来越成为信息检索领域的研究热点．本文针对用户兴趣模型构建问题,利用用户兴趣树描述用户兴趣,对用户个性化模型进行研究,并提出一种兴趣模型调整算法．模拟实验表明,该模型能有效提高信息检索的查准率．     

多关系类型社交网络信息传播模型

考虑到用户之间的好友关系存在多种类型,且不同类型的好友关系信息传播偏好不同,提出了一种多关系类型社交网络信息传播模型,并建立了信息传播的动力学方程.在该模型中,用户根据自身的传播偏好决定是否分享或传播信息,并根据信息传播偏好主动选择可能的好友关系分享或传播信息.数据仿真结果表明:在多关系类型社交网络中,信息的传播范围和信息在网络中持续的时间与信息的特征有关;信息通过多种类型的好友关系传播能够有效提高信息的传播范围和传播速度.该模型与现实社交网络中信息传播的规律具有一致性,是一种有效的社交网络信息传播模型.