版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、隨著Internet的迅猛發(fā)展,接入Internet的服務(wù)器數(shù)量和Web頁面的數(shù)目都呈現(xiàn)出指數(shù)增長的趨勢,導(dǎo)致了大量的信息同時出現(xiàn)在我們面前。人們不得不花費大量的時間去搜索、瀏覽和選擇自己需要的信息,進而協(xié)助自己解決諸如出行、購物、娛樂以及工作中遇到的一系列實際問題。然而,信息的爆炸使得信息的利用率反而降低,形成了信息過載的局面。因此,進一步增強用戶獲取信息的能力成為擺在我們面前最為關(guān)鍵的問題之一。
近年來,隨著Web 2
2、.0時代的到來,目前Web正向經(jīng)驗化方向發(fā)展,用戶產(chǎn)生信息的數(shù)量、種類和方式也在發(fā)生新變化。當(dāng)前主流的搜索引擎卻缺乏記錄、共享與推薦用戶搜索經(jīng)驗的有效方式和相關(guān)功能,這不利于進一步提升用戶搜索體驗和信息獲取效率。本文針對這一問題,基于案例推理研究個性化推薦相關(guān)技術(shù),重點探索了用戶搜索經(jīng)驗的獲取與推薦方式以及基于案例的表示與組織方法,并在此基礎(chǔ)上探討用戶搜索經(jīng)驗的個性化推薦方法及算法。
本文的創(chuàng)新點主要有三個,一是通過分析用
3、戶搜索經(jīng)驗的種類以及主流搜索引擎存在的不足,提出了一種獲取和推薦用戶搜索經(jīng)驗的新方法,即“搜索引擎-瀏覽器插件-推薦引擎”模式,給出了一種基于案例推理的推薦系統(tǒng)體系結(jié)構(gòu);二是在該模式與基于案例推理的推薦系統(tǒng)體系結(jié)構(gòu)指導(dǎo)下,討論用戶搜索經(jīng)驗的表示問題,設(shè)計了用戶搜索經(jīng)驗的案例表示方法和多案例庫組織方法;三是基于案例表示的用戶搜索經(jīng)驗建立向量表示的用戶興趣模型,以用戶所在搜索經(jīng)驗庫中的案例對應(yīng)的Web頁面為推薦內(nèi)容,提出了一種個性化推薦用戶
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于LBSN的個性化推薦技術(shù)研究.pdf
- 基于tag的個性化推薦技術(shù)研究.pdf
- 基于用戶興趣的個性化推薦技術(shù)研究.pdf
- 基于圖模型的個性化推薦技術(shù)研究.pdf
- 基于WUM的個性化智能推薦技術(shù)研究.pdf
- 基于用戶體驗的個性化服裝推薦技術(shù)研究.pdf
- 基于圖模型的個性化標簽推薦技術(shù)研究.pdf
- 社交網(wǎng)絡(luò)個性化推薦技術(shù)研究.pdf
- Web頁面?zhèn)€性化推薦技術(shù)研究.pdf
- 教育資源個性化推薦技術(shù)研究.pdf
- 基于遺傳學(xué)方法的個性化推薦技術(shù)研究.pdf
- 基于聚類的個性化推薦關(guān)鍵技術(shù)研究.pdf
- 基于用戶分析的個性化微博推薦技術(shù)研究.pdf
- 校園頭條中個性化推薦技術(shù)研究.pdf
- 基于本體的個性化知識推薦技術(shù)研究及應(yīng)用.pdf
- 基于時間上下文的個性化推薦技術(shù)研究.pdf
- 個性化推薦技術(shù)研究與系統(tǒng)設(shè)計.pdf
- 基于時間因素的個性化推薦技術(shù)研究與實現(xiàn).pdf
- 基于XML及關(guān)聯(lián)規(guī)則的個性化推薦技術(shù)研究.pdf
- 面向Twitter的個性化信息推薦技術(shù)研究.pdf
評論
0/150
提交評論