针对传统推荐方法在短文本处理方面的不足,提出一种基于用户兴趣模型与会话抽取算法的微博推荐方法。该方法应用基于归一化割加权NMF的微博用户兴趣模型获取用户—主题矩阵,产生用户感兴趣的微博主题,结合基于Single-Pass聚类模型的会...针对传统推荐方法在短文本处理方面的不足,提出一种基于用户兴趣模型与会话抽取算法的微博推荐方法。该方法应用基于归一化割加权NMF的微博用户兴趣模型获取用户—主题矩阵,产生用户感兴趣的微博主题,结合基于Single-Pass聚类模型的会话在线抽取算法SPFC(single-pass based on frequency and correlation)获取微博的会话队列,并与用户感兴趣的微博主题进行相似度计算,最后得到实时的微博推荐结果。实验表明,此方法能有效地进行微博推荐。展开更多
为了快速得到用户关心的信息,根据用户浏览内容和浏览行为建立兴趣模型,并在用户访问时根据兴趣模型自动向其进行文章推荐的方式得到了越来越多的运用.本文在前人研究的基础上,对于兴趣模型的构建进行了系统阐述,提出一种基于时间元的...为了快速得到用户关心的信息,根据用户浏览内容和浏览行为建立兴趣模型,并在用户访问时根据兴趣模型自动向其进行文章推荐的方式得到了越来越多的运用.本文在前人研究的基础上,对于兴趣模型的构建进行了系统阐述,提出一种基于时间元的合理量化兴趣度值的方法,同时据此扩展了VSM(Vector Space M odel)文本表示模型,并引入了主题兴趣度的概念.实验结果显示通过该方法构建的兴趣模型能够较好的区分和把握用户的不同兴趣,准确率较高.展开更多
文摘针对传统推荐方法在短文本处理方面的不足,提出一种基于用户兴趣模型与会话抽取算法的微博推荐方法。该方法应用基于归一化割加权NMF的微博用户兴趣模型获取用户—主题矩阵,产生用户感兴趣的微博主题,结合基于Single-Pass聚类模型的会话在线抽取算法SPFC(single-pass based on frequency and correlation)获取微博的会话队列,并与用户感兴趣的微博主题进行相似度计算,最后得到实时的微博推荐结果。实验表明,此方法能有效地进行微博推荐。
文摘为了快速得到用户关心的信息,根据用户浏览内容和浏览行为建立兴趣模型,并在用户访问时根据兴趣模型自动向其进行文章推荐的方式得到了越来越多的运用.本文在前人研究的基础上,对于兴趣模型的构建进行了系统阐述,提出一种基于时间元的合理量化兴趣度值的方法,同时据此扩展了VSM(Vector Space M odel)文本表示模型,并引入了主题兴趣度的概念.实验结果显示通过该方法构建的兴趣模型能够较好的区分和把握用户的不同兴趣,准确率较高.
