面向语义搜索的推荐模型研究

随着Web信息量的不断增多,人们不得不花费大量时间去搜索、浏览和选择自己需要的信息,改善和提升搜索引擎信息检索的能力已经越来越迫切.提出基于专家用户搜索历史的信息推荐模型,并重点介绍普通用户和专家用户Profile以及基于此的2个计算模型.在此基础上结合Nutch搜索引擎平台,开发面向语义搜索的推荐系统,实际使用证明推荐效果良好.     

区分用户长短期兴趣的IBCF改进算法

协同过滤算法已被成功应用于许多领域,但遇到了可扩展性和精度低等问题,目前提出了许多改进算法,但它们均忽视了用户长短期兴趣对推荐的不同影响.针对这个问题,介绍了一种改进的长短期兴趣数据权重策略,它的关键是识别用户长期兴趣,为此提出了基于资源类别相似性和基于访问资源类别出现频率两种识别方法,并详细分析了这两种识别方法的优缺点.实验表明,将上述方法引入基于资源的协同过滤算法中,能提高推荐精度.     

协同Web搜索综述

目前,协同Web搜索的研究处在探索阶段,研究问题和方向尚不够清晰。为此,本文在回顾协同Web搜索的提出与分类基础上,总结了目前有关协同Web搜索的理论研究和实践,进而指出了目前研究存在的问题与不足,并展望了未来的研究方向。     

成才之路须有导师相伴

说起年龄,也算老大不小,可是说到科研的成功,仿佛离自己还很远。最重要的原因之一就是缺乏一位或多位名副其实的必要信息和基本技能传授者。目前我仍未将一些领域内的科研基本技能学到手,不是不想学,而是什么都靠自己琢磨,太难、太慢了。我进入科研领域已整10年,通过网络获取资料和独自消化它们占用了我大量时间,此外也常和导师聊天,事实上这是我最     

基于用户会话的TF-Ranking推荐方法

基于用户会话日志,提出了一种融合XGBoost和门控循环单元网络的TF-Ranking推荐方法。该方法利用门控循环单元学习用户行为。首先,利用XGBoost进行特征提取,克服了传统方法中数据模型复杂的缺陷,使数据模型在保持原始属性的基础上大大降低了复杂度;其次,利用改进后的Dropout网络对数据进行处理,使得召回率提高了1.32%;最后,基于Learning to Rank与Pairwise方法训练用户会话数据,尽可能为用户提供一个与查询内容相关性较强的正向排序推荐清单。实验在Trivago RecSys Challenge 2019数据集上进行。结果表明,所提出的推荐算法在召回率和平均倒数排名上均有提高,而且可以应用于大规模数据推荐。     

基于CBR的协同Web搜索模型及应用研究

随着互联网用户的不断增多以及搜索引擎的广泛使用,用户间进行协同Web搜索的行为不断增多,然而目前的主流搜索引擎和Web浏览器均针对用户的单独搜索行为设计,不便于进行协同Web搜索。在回顾相关研究的基础上,通过对Web搜索引擎的发展分析,指出存在两种实现协同Web搜索的方式,提出了一种基于CBR(case-based reasoning)的协同Web搜索模型,并介绍了基于此模型实现的两套协同Web搜索原型系统。