個性化信息推薦服務(wù)模式(編輯修改稿)
2025-09-04 23:23 本頁面
【文章內(nèi)容簡介】 葉斯網(wǎng)絡(luò),決策樹,基于案例的推理,關(guān)聯(lián)規(guī)則等人工智能技術(shù)也越來越多地被用于匹配計算.用戶通過注冊等方式提交個人興趣描述(通常以關(guān)鍵詞的形式出現(xiàn)),人口統(tǒng)計學(xué)數(shù)據(jù)和希望獲得的服務(wù),系統(tǒng)通過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,這是一種典型的基于個體用戶的定向推薦模式,即所謂的定制模式,或稱.,MyLibrary,Mygoag[e,Myyahoo,MyDlib,Mytopic,MyPortal等需要用戶身份驗證登錄的個性化服務(wù),傳統(tǒng)的定制服務(wù)存在很大的缺陷:基于用戶自我管理的用戶模型往往不能準(zhǔn)確地,出現(xiàn)了基于推理的個性化推薦模式和自適應(yīng)的個性化推薦模式.基于推理的個性化推薦將根據(jù)用戶興趣描述生成的用戶文檔以及根據(jù)人口統(tǒng)計學(xué)數(shù)據(jù)和訓(xùn)J練集生成的用戶文檔視為初始模板或原型模板,利用用戶的相關(guān)反饋信息學(xué)習(xí)和推理用戶的興,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,更新用戶模型是一種有效的實現(xiàn)個性化推薦的方法,因為它在為用戶提供自我管理的個性化信息空間和存儲空間的同時,也為系統(tǒng)發(fā)現(xiàn)用戶興趣,例的推理技術(shù)的發(fā)展為此類推薦應(yīng)用提供了強大的技術(shù)基礎(chǔ).如Entree,Quickstep,Foxtrot等基于知識的推薦系統(tǒng),這些系統(tǒng)利用本體論和基于案例推理的技術(shù)為用戶提供準(zhǔn)確的,高質(zhì)量的推薦.用戶總是期望以最小的努力獲得最大的回報,因此,個性化推薦的智能化程度越高越能滿足用戶的期望,自適應(yīng)個性化推薦掘和利用用戶與系統(tǒng)的交互信息,任務(wù)的重點在于利用各種反饋信息學(xué)習(xí)和推理用戶的興趣和偏缺點,的用戶lD和一個根據(jù)推薦任務(wù)構(gòu)造的空用戶模板,或是初始用戶根據(jù)人口統(tǒng)計學(xué)數(shù)據(jù)和訓(xùn)l練集生成的原型模板,進(jìn)而通過跟蹤和監(jiān)測用戶與系統(tǒng)的交互活動生成或更新用戶模型,無需用戶過多的參與,Letizia,Webmate,WebSall的初始用戶模型都是空的,ACRNews,LetSBrowseIfweb,INFOrmer,NewsDude,NewTPSUNSlFTNetnews,LifestyleFinder等的初始用戶模型通過訓(xùn)練集或原型生成,這些系統(tǒng)都利用了用戶反饋信息來學(xué)習(xí)用戶興趣,更新用戶模型.22共性模式(InteresttoInterest模式)義稱群模式或分類推薦模式,是一種基于集體認(rèn)知,以用戶劃分為基礎(chǔ)的社會化定,信息系統(tǒng)更多地被看作一種社會信息交流系統(tǒng),更強調(diào)社會交流要素:社會反饋,協(xié)作的社會化推薦服務(wù)在電子商務(wù)系統(tǒng),e—learning系統(tǒng),門戶系統(tǒng)以及具備明顯社會交流特性的信息服務(wù)系統(tǒng)中獲得了非常成,用戶模型,用戶之間的匹配技術(shù)是決定這類推薦服務(wù)質(zhì)量的關(guān)鍵因素,用戶匹配是社會化推薦的核心環(huán)節(jié),用戶歸類,生成用戶群體模型,推薦都是建立在用戶相似度對用戶模型(或文檔)化模式中,用戶模型中的數(shù)據(jù)直接服務(wù)于推薦計算,而在共性模式中,用戶模型主要用于比較用戶之間的相似度以生成用戶分類或聚類(用戶群體模型).用戶模型能否準(zhǔn)確反映用戶興趣需求直接關(guān)系到所生成的用戶聚類相似度的高低,從而影響推薦的針:或用于將目標(biāo)用戶未發(fā)現(xiàn)而其它同類用戶評價較高的內(nèi)容對象推薦給目標(biāo)用戶,生成,維護(hù)用戶裂體模型的基本方法有三類:預(yù)定義分類,分類器和自動聚類.預(yù)定義分類是利用原型技術(shù)或系統(tǒng)自定義的分類原則對用戶進(jìn)行分類,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)實現(xiàn)用戶實時,多向歸類也是社會化推薦應(yīng)用開發(fā)的一大熱點,如I2I系統(tǒng)為訪問相關(guān)網(wǎng)頁的用戶創(chuàng)建了分類聊天室,并可向甚他用戶推薦相關(guān)虛擬社區(qū)。分類器是～種自動分類方法,分類器既用于生成用戶模型,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,關(guān)聯(lián)規(guī)則,貝葉斯網(wǎng)等,像Agent,Infofonder,Re.mender,WebWatcher等采用的都是自動分類方法。自動聚類是社會化推薦應(yīng)用的最為廣泛的一種方法,最近鄰居和聚類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Beehive,InfovilleXXI,以從兩個角度來分析:一是以個體用戶為目標(biāo)用戶,二是以特定用戶群為目標(biāo)用戶.
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1