排序方式: 共有27条查询结果,搜索用时 15 毫秒
11.
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. 相似文献
12.
由于缺乏足够的反映用户兴趣的知识,以及巨大的在线计算量,导致互联网上现有文章自动推荐系统普遍存在盲目性和低效性的问题.针对以上问题,提出了一种基于聚类和分类的个性化文章自动推荐系统,利用机器学习的方法隐式地获取用户模型,并根据用户模型为用户提供个性化的文章自动推荐服务.该系统包括离线用户模型及用户群获取子系统和在线个性化文章推荐子系统两大部分,前者对文章进行聚类形成聚类兴趣点,构建基于聚类兴趣点的用户模型,并根据用户兴趣聚类形成各兴趣点的用户群;后者对待推荐文章进行分类,搜索到其所属的兴趣点,向该兴趣点的用户群进行主动推荐.理论分析和实验结果表明,该系统能够显著提高有效性和在线响应速度.所述的设计思想和技术也适用于其它互联网个性化信息自动推荐系统. 相似文献
13.
14.
讨论了数据库中的知识发现的基本技术,提出了一种适用于数据挖掘的神经网络方法,并给出了神经网络数据挖掘系统的构造过程,应用结果表明该方法是可行有效的,并对该方法进行了深入的讨论。 相似文献
15.
16.
系统地探讨了在范例库中引入一系列可以使用的数据挖掘技术,以期提高范例推理系统中知识获取的自动化程度。为了准确地表达范例比较间的本质特征,重点讨论了应用于范例库上特征项赋权的基本技术,并提出了一个自适应发现算法,然后进行了实验,结果表明此方法要优于其它方法。 相似文献
17.
针对基于词语特征的Email分类综合性能(F-score)较低的问题,提出一种基于主题特征的Email分类方法.该方法利用领域知识及统计信息,从Email的词语特征空间中提取主题特征,并利用提取出的主题特征实现Email分类.通过对1080封Email进行分类测试,结果表明,由于主题特征能够更加准确地表达Email的主题思想,因此,与基于词语特征的分类方法相比,该方法在针对Email的全文及标题实现分类时,将平均F-score分别提高了13.16%和17.16%,从而使平均F-score提高到72.37%,基本可以满足实际应用的需求. 相似文献
18.
19.
讨论了数据库中的知识发现的基本技术 ,提出了一种适用于数据挖掘的神经网络方法 ,并给出了神经网络数据挖掘系统的构造过程 ,应用结果表明该方法是可行有效的 ,并对该方法进行了深入的讨论。 相似文献
20.