基于查詢網(wǎng)絡(luò)的文檔推薦策略研究.pdf_第1頁
已閱讀1頁,還剩69頁未讀 繼續(xù)免費閱讀

下載本文檔

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、隨著互聯(lián)網(wǎng)技術(shù)的日益普及,Web上的信息量呈爆炸性增長。由于互連網(wǎng)上信息資源的極大豐富,信息服務(wù)的個性化越來越引起人們的重視。人們對信息獲取的目的逐漸從查全轉(zhuǎn)變?yōu)椴闇?,滿足特定用戶的特定信息需求成為信息服務(wù)在新的網(wǎng)絡(luò)環(huán)境中的服務(wù)目標。智能推薦系統(tǒng)(Intelligent Recommendation System)就在這個背景下應(yīng)運而生。它能夠向客戶推薦文檔或產(chǎn)品,并可以引導(dǎo)客戶有針對性的對文檔信息或某些產(chǎn)品信息進行關(guān)注。推薦系統(tǒng)的核心

2、是推薦的方法,也是本文研究的重點。
  本文以用戶的查詢訪問日志為基礎(chǔ),分析用戶的查詢訪問行為,挖掘用戶的興趣偏好,并以此構(gòu)建查詢網(wǎng)絡(luò)圖,提出了基于查詢網(wǎng)絡(luò)的文檔推薦模型。該模型結(jié)合了傳統(tǒng)推薦方法如基于協(xié)同過濾推薦和基于內(nèi)容推薦等方法的優(yōu)點,同時避免了它們的不足之處,極大的提高了在未知文檔內(nèi)容情況下的文檔推薦效果。
  本文提出了一種全新的基于用戶點擊(Click-Through)的實體描述模型。該模型使用查詢關(guān)鍵字作為標引

3、詞描述用戶和文檔。這種描述方式不但可以極大地減少了實體向量空間的維度,而且可以更好地表達用戶在查詢行為中的興趣偏好和查詢意圖,因此該模型可以更好的應(yīng)用于推薦系統(tǒng)中的實體描述。
  由于用戶的訪問興趣經(jīng)常改變,用戶在不同時間的查詢可能包含的不同的興趣偏好,因此本文提出了行為興趣向量的概念,用來描述用戶在發(fā)出不同查詢時的興趣偏好,提高了后續(xù)推薦算法的準確度。
  本文以查詢網(wǎng)絡(luò)圖為基礎(chǔ),提出了基于能量傳導(dǎo)的推薦算法,協(xié)調(diào)用戶群中

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。

評論

0/150

提交評論