個(gè)性化信息推薦服務(wù)模式(編輯修改稿)
2025-09-04 23:23 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 葉斯網(wǎng)絡(luò),決策樹(shù),基于案例的推理,關(guān)聯(lián)規(guī)則等人工智能技術(shù)也越來(lái)越多地被用于匹配計(jì)算.用戶(hù)通過(guò)注冊(cè)等方式提交個(gè)人興趣描述(通常以關(guān)鍵詞的形式出現(xiàn)),人口統(tǒng)計(jì)學(xué)數(shù)據(jù)和希望獲得的服務(wù),系統(tǒng)通過(guò)電子郵件或定制的頻道將相關(guān)服務(wù)定期或不定期地推送給用戶(hù),這是一種典型的基于個(gè)體用戶(hù)的定向推薦模式,即所謂的定制模式,或稱(chēng).,MyLibrary,Mygoag[e,Myyahoo,MyDlib,Mytopic,MyPortal等需要用戶(hù)身份驗(yàn)證登錄的個(gè)性化服務(wù),傳統(tǒng)的定制服務(wù)存在很大的缺陷:基于用戶(hù)自我管理的用戶(hù)模型往往不能準(zhǔn)確地,出現(xiàn)了基于推理的個(gè)性化推薦模式和自適應(yīng)的個(gè)性化推薦模式.基于推理的個(gè)性化推薦將根據(jù)用戶(hù)興趣描述生成的用戶(hù)文檔以及根據(jù)人口統(tǒng)計(jì)學(xué)數(shù)據(jù)和訓(xùn)J練集生成的用戶(hù)文檔視為初始模板或原型模板,利用用戶(hù)的相關(guān)反饋信息學(xué)習(xí)和推理用戶(hù)的興,顯式反饋信息和隱式反饋信息等都可以作為學(xué)習(xí)圃和推理的輸入信息源,可以只使用某一類(lèi)反饋信息,也可以是多種反饋信息組合使用,使用何種反饋信息,如何組合取決于具體,更新用戶(hù)模型是一種有效的實(shí)現(xiàn)個(gè)性化推薦的方法,因?yàn)樗跒橛脩?hù)提供自我管理的個(gè)性化信息空間和存儲(chǔ)空間的同時(shí),也為系統(tǒng)發(fā)現(xiàn)用戶(hù)興趣,例的推理技術(shù)的發(fā)展為此類(lèi)推薦應(yīng)用提供了強(qiáng)大的技術(shù)基礎(chǔ).如Entree,Quickstep,Foxtrot等基于知識(shí)的推薦系統(tǒng),這些系統(tǒng)利用本體論和基于案例推理的技術(shù)為用戶(hù)提供準(zhǔn)確的,高質(zhì)量的推薦.用戶(hù)總是期望以最小的努力獲得最大的回報(bào),因此,個(gè)性化推薦的智能化程度越高越能滿(mǎn)足用戶(hù)的期望,自適應(yīng)個(gè)性化推薦掘和利用用戶(hù)與系統(tǒng)的交互信息,任務(wù)的重點(diǎn)在于利用各種反饋信息學(xué)習(xí)和推理用戶(hù)的興趣和偏缺點(diǎn),的用戶(hù)lD和一個(gè)根據(jù)推薦任務(wù)構(gòu)造的空用戶(hù)模板,或是初始用戶(hù)根據(jù)人口統(tǒng)計(jì)學(xué)數(shù)據(jù)和訓(xùn)l練集生成的原型模板,進(jìn)而通過(guò)跟蹤和監(jiān)測(cè)用戶(hù)與系統(tǒng)的交互活動(dòng)生成或更新用戶(hù)模型,無(wú)需用戶(hù)過(guò)多的參與,Letizia,Webmate,WebSall的初始用戶(hù)模型都是空的,ACRNews,LetSBrowseIfweb,INFOrmer,NewsDude,NewTPSUNSlFTNetnews,LifestyleFinder等的初始用戶(hù)模型通過(guò)訓(xùn)練集或原型生成,這些系統(tǒng)都利用了用戶(hù)反饋信息來(lái)學(xué)習(xí)用戶(hù)興趣,更新用戶(hù)模型.22共性模式(InteresttoInterest模式)義稱(chēng)群模式或分類(lèi)推薦模式,是一種基于集體認(rèn)知,以用戶(hù)劃分為基礎(chǔ)的社會(huì)化定,信息系統(tǒng)更多地被看作一種社會(huì)信息交流系統(tǒng),更強(qiáng)調(diào)社會(huì)交流要素:社會(huì)反饋,協(xié)作的社會(huì)化推薦服務(wù)在電子商務(wù)系統(tǒng),e—learning系統(tǒng),門(mén)戶(hù)系統(tǒng)以及具備明顯社會(huì)交流特性的信息服務(wù)系統(tǒng)中獲得了非常成,用戶(hù)模型,用戶(hù)之間的匹配技術(shù)是決定這類(lèi)推薦服務(wù)質(zhì)量的關(guān)鍵因素,用戶(hù)匹配是社會(huì)化推薦的核心環(huán)節(jié),用戶(hù)歸類(lèi),生成用戶(hù)群體模型,推薦都是建立在用戶(hù)相似度對(duì)用戶(hù)模型(或文檔)化模式中,用戶(hù)模型中的數(shù)據(jù)直接服務(wù)于推薦計(jì)算,而在共性模式中,用戶(hù)模型主要用于比較用戶(hù)之間的相似度以生成用戶(hù)分類(lèi)或聚類(lèi)(用戶(hù)群體模型).用戶(hù)模型能否準(zhǔn)確反映用戶(hù)興趣需求直接關(guān)系到所生成的用戶(hù)聚類(lèi)相似度的高低,從而影響推薦的針:或用于將目標(biāo)用戶(hù)未發(fā)現(xiàn)而其它同類(lèi)用戶(hù)評(píng)價(jià)較高的內(nèi)容對(duì)象推薦給目標(biāo)用戶(hù),生成,維護(hù)用戶(hù)裂體模型的基本方法有三類(lèi):預(yù)定義分類(lèi),分類(lèi)器和自動(dòng)聚類(lèi).預(yù)定義分類(lèi)是利用原型技術(shù)或系統(tǒng)自定義的分類(lèi)原則對(duì)用戶(hù)進(jìn)行分類(lèi),如Eurekste,Grundy,PolyLens,Window等,利用聊天室,電子公告板,新聞組,可視化等虛擬社區(qū)技術(shù)實(shí)現(xiàn)用戶(hù)實(shí)時(shí),多向歸類(lèi)也是社會(huì)化推薦應(yīng)用開(kāi)發(fā)的一大熱點(diǎn),如I2I系統(tǒng)為訪(fǎng)問(wèn)相關(guān)網(wǎng)頁(yè)的用戶(hù)創(chuàng)建了分類(lèi)聊天室,并可向甚他用戶(hù)推薦相關(guān)虛擬社區(qū)。分類(lèi)器是～種自動(dòng)分類(lèi)方法,分類(lèi)器既用于生成用戶(hù)模型,其結(jié)構(gòu)同日寸用于模型表示,如神經(jīng)網(wǎng)絡(luò),決策樹(shù),關(guān)聯(lián)規(guī)則,貝葉斯網(wǎng)等,像Agent,Infofonder,Re.mender,WebWatcher等采用的都是自動(dòng)分類(lèi)方法。自動(dòng)聚類(lèi)是社會(huì)化推薦應(yīng)用的最為廣泛的一種方法,最近鄰居和聚類(lèi)匹配是其中最常用的兩種技術(shù),Grouplens,Ringo/FireFly,SmartRadio,Bell—coreVideo等采用的是最近鄰居算法,而B(niǎo)eehive,InfovilleXXI,以從兩個(gè)角度來(lái)分析:一是以個(gè)體用戶(hù)為目標(biāo)用戶(hù),二是以特定用戶(hù)群為目標(biāo)用戶(hù).
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1