移动环境下搜索引擎的个性化方法

针对手机等移动设备具有小屏幕、操作不方便和具有惟一标识的特点,提出了适用于移动环境下搜索引擎的个性化搜索的新方法.首先用户的查询历史可以通过惟一的手机号自动记录下来;其次利用用户的查询历史,建立用户描述文件以及基于关键词空间的用户兴趣模型;最后根据用户兴趣模型,采用关键词扩充算法优化用户查询.此方法能够较好地实现移动环境下的个性化搜索,提高检索效率.     

旅游景点个性化导航及服务的研究与应用

将普适计算的概念应用到旅游景点,采用游客模型、景点模型、服务设施模型来获取各种上下文信息,为游客提供个性化导航及服务.给出了Myguide的系统原型实现,说明所提出的系统关键技术的可行性.     

高校图书馆网络个性化信息服务

阐述了高校图书馆个性化信息服务的发展优势,如个性化信息服务需求日益增长,个性化信息服务所需技术已基本成熟,网络的发展为个性化信息服务提供平台,等。提出了可供高校图书馆个性化信息服务的模式,包括:数据库查询服务,学科信息导航,My Library服务系统。就高校图书馆个性化信息服务工作,提出注意安全与隐私保护及培养个性化信息服务人才的建议。     

无公害农产品认证资源共享中的用户建模研究

为实现无公害农产品认证资源共享的个性化和智能化,促进无公害农产品品牌化销售,提出了一种基于领域本体的用户建模方法.通过无公害农产品认证资源本体的构建实现以领域本体中的概念和实例表示的用户特征模型,增加用户模型语义信息,并提供了模型的更新算法.结果表明,该方法能够提高用户特征模型表达的准确度.     

基于个性化和记忆机制的多模态情感计算模型

随着情感计算研究的不断深入,记忆、个性化、情感之间的密切联系逐渐引起研究者的重视.已有方法在机器情感的感知、理解和表达方面仍存在着诸多不足.提出一种集情感感知、理解和表达于一体的情感计算模型.该模型是一个面向记忆机制的、接受多模态输入(视觉、听觉、词汇)的深度网络感知模型,并应用一种模糊化的情感集成决策来实现不确定性情...     

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%.     

一种基于协同推荐的网页排序算法

针对目前搜索结果个性化排序算法中的用户兴趣模型构建难、相关度计算不精确等问题,提出了一种结合用户兴趣模型和协同推荐算法的个性化排序方法.该方法从用户的搜索历史,包括提交查询、点击相关网页等反馈信息来训练用户的兴趣模型,然后采用协同推荐算法获取具有共同兴趣的邻居用户,根据这些邻居对网页的推荐程度和网页与用户的相关程度来排序搜索结果.实验结果表明:该排序算法的平均最小精确度比一般排序算法提高了约0.1,且随着用户邻居数目的增长,最小精确度随之增长.与其他排序算法相比,采用协同推荐算法有助于提高网页与用户兴趣关联程度计算的精确度,从而提高排序的效率,有助于改善用户的搜索体验.     

基于云计算的数字图书馆个性化信息服务的设计

提供个性化信息服务是数字图书馆研究中的一个重要问题,之前一直利用人工智能技术比如Agent和Ontology语义信息检索技术.随着云计算出现,也给数字图书馆个性化信息服务带来无限的应用.本文介绍了云计算技术在数字图书馆个性化信息检索中的应用,重点解决了数字图书馆个性化信息服务的设计问题,为下一步研究奠定基础.     

个性化协作式数字图书馆模型及其应用

介绍了个性化协作式数字图书馆模型的基本原理、基本要素及其应用,阐述了个性化协作式数字图书馆模型的应用——CYCLADES系统。     

高校科研资源的个性化融合推荐

为满足高校师生对科研资源复杂的个性化服务需求,设计了高校科研资源个性化服务系统,简称个性化科研服务系统(PSRSS,personalized scientific research service system)。全面分析了高校科研用户的个性化科研资源服务需求,设计了基于数据层、融合多种推荐策略的推荐计算层、应用呈现层的多引擎融合推荐系统架构,基于不同推荐场景,比较了不同的推荐算法并对选择的算法进行了针对性优化,探讨了用户模型和科研资源模型的设计,实现了基于资源热度、项目内容相似度、相似用户协同过滤的Top-N推荐。系统提升了高校师生获取科研资源的体验,为高校科研资源个性化服务系统建设提供了新思路。