导读:本文包含了动态用户兴趣模型论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:兴趣,模型,用户,本体,数字图书馆,领域,动态。
动态用户兴趣模型论文文献综述
冯浩源[1]（2017）在《动态用户兴趣模型构建及推荐算法研究》一文中研究指出随着信息时代的来临,人们所接触的信息呈爆炸式的增长。如何在海量商品信息中寻找满意的商品,已成为电子商务领域亟需解决的“信息过载”问题。推荐系统正是为了解决这类问题而提出的,能够快速为用户提供备选的商品推荐列表,以及对商品进行精准的评分预测。在个性化推荐系统中,用户兴趣建模发挥着核心作用,准确的获取用户兴趣是良好推荐的基础。本文主要研究用户兴趣动态变化规律,通过考虑用户动态社区构建、用户兴趣遗忘过程模拟,以及用户对知识的学习过程等,描述和刻画用户兴趣动态变化。研究内容分为以下叁个方面:(1)基于时权重迭社区的个性化推荐算法。针对用户可能同时具有多种兴趣且兴趣是不断变化的,即用户的多兴趣和兴趣漂移现象,提出了一种基于时权重迭社区和时权关联规则的个性化推荐算法。该算法根据用户的共同购买记录和时权信息构建复杂网络结构,并改进了重迭社区划分方法,以提高整体算法的多样性;时权关联规则部分则引入了遗忘函数,描述用户的兴趣漂移,以提高推荐算法的准确性。实验结果表明,提出的算法在推荐准确性和多样性上均优于对比算法。(2)基于兴趣演化的用户模型构建及个性化推荐。借鉴心理学理论中的“耶基-多德森”定理和知识采纳理论中的个体吸收理论,构建用户兴趣演化模型,并通过领域划分技术和加权最小二乘回归方法优化演化曲线和演化方程,进而刻画兴趣演化的规律;再将兴趣演化的规律与推荐算法相结合,以进一步改善推荐算法性能。实验结果表明,所提基于用户兴趣演化的个性化推荐算法相比于经典的静态和动态推荐算法均表现出了更高的推荐准确性、更高的时间效率和更好的解释性,有效证明了用户兴趣演化规律。(3)基于兴趣漂移和兴趣演化的用户兴趣混合模型及推荐。同时考虑了兴趣遗忘和知识学习两种用户行为,将兴趣演化和兴趣漂移相结合,提出一种修正的用户兴趣激活-衰减函数,并根据该函数构造了新的兴趣漂移算法,将该兴趣漂移算法与兴趣演化算法相结合,构建了双重动态推荐模型,通过统计回归方法优化评分残差空间,更准确地捕捉了用户动态兴趣的波动。实验结果表明,双重动态的推荐算法相比于对比的其他动态算法在准确性上有着明显的提升。(本文来源于《天津大学》期刊2017-05-01）
潘家武[2]（2010）在《基于领域本体的数字图书馆动态用户兴趣模型的构建》一文中研究指出通过学习其他类型领域本体构建经验与教训,提出数字图书馆个性化用户兴趣领域本体的动态模型构建方案。通过分析用户的浏览方式和内容,实时获取用户兴趣信息,将用户兴趣信息与领域本体库进行反复匹配,不断修正,通过抽象总结得到用户的动态兴趣模型。(本文来源于《图书情报工作》期刊2010年08期）
动态用户兴趣模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
通过学习其他类型领域本体构建经验与教训,提出数字图书馆个性化用户兴趣领域本体的动态模型构建方案。通过分析用户的浏览方式和内容,实时获取用户兴趣信息,将用户兴趣信息与领域本体库进行反复匹配,不断修正,通过抽象总结得到用户的动态兴趣模型。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
动态用户兴趣模型论文参考文献
[1].冯浩源.动态用户兴趣模型构建及推荐算法研究[D].天津大学.2017
[2].潘家武.基于领域本体的数字图书馆动态用户兴趣模型的构建[J].图书情报工作.2010
论文知识图
