多层次用户兴趣模式的动态捕捉

doi:10.3778/j.issn.1002-8331.2009.36.006

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (36): 19-21.DOI: 10.3778/j.issn.1002-8331.2009.36.006

多层次用户兴趣模式的动态捕捉

陈圣兵¹，李龙澍^1，2，纪霞¹

1.安徽大学计算智能与信号处理教育部重点实验室，合肥 230039
2.安徽大学计算机科学与技术学院，合肥 230039

收稿日期:2009-09-03 修回日期:2009-10-15 出版日期:2009-12-21 发布日期:2009-12-21
通讯作者: 陈圣兵

Extracting dynamic multi-level user interest modeling

CHEN Sheng-bing¹，LI Long-shu^1，2，JI Xia¹

1.Key Laboratory of Intelligent Computing & Signal Processing，Ministry of Education，Anhui University，Hefei 230039，China
2.School of Computer Science and Technology，Anhui University，Hefei 230039，China

Received:2009-09-03 Revised:2009-10-15 Online:2009-12-21 Published:2009-12-21
Contact: CHEN Sheng-bing

摘要/Abstract

摘要： 为了得到更多的用户兴趣信息，提出了一种新的高效的用户兴趣模式获取方法，面向层次结构的信息网站，提供动态的多层次用户兴趣模式。该方法根据网站和用户兴趣所具有的层次性特征，利用蚁群算法，将用户对网站结点的一次浏览过程，对应于蚂蚁的一次觅食活动周期，从各个层次求出相应路径的信息素浓度和支持度，从而得到用户对该结点的偏好函数值，再依据此值求得用户兴趣模式。实验表明了该方法的有效性。

Abstract: To find more information about user interest on hierarchical structure website，this paper proposes a novel efficient method，which is used for providing dynamic multi-level user interests.The method using the hierarchy characteristics of website and user interest，based on ant colony algorithm，considering a user’s website browsing process as an ant foraging behavior，counts degrees of pheromones and supports on corresponding path in every level，and gets node’s preference function values，then finds user interest model by this value.Experiment results show that the method is valid and practicable.

中图分类号:

TP181

陈圣兵¹，李龙澍^1，2，纪霞¹. 多层次用户兴趣模式的动态捕捉[J]. 计算机工程与应用, 2009, 45(36): 19-21.

CHEN Sheng-bing¹，LI Long-shu^1，2，JI Xia¹. Extracting dynamic multi-level user interest modeling[J]. Computer Engineering and Applications, 2009, 45(36): 19-21.

[1]	王晓兰^1，2，康蕾¹. 在线模糊最小二乘支持向量机的时间序列预测[J]. 计算机工程与应用, 2010, 46(9): 215-216.
[2]	潘玉霞，潘全科，桑红燕，武磊. 离散微粒群算法求解批量流水线调度问题[J]. 计算机工程与应用, 2010, 46(6): 52-55.
[3]	鲁小云，杨勇. 双论域上的S-粗集及应用[J]. 计算机工程与应用, 2010, 46(5): 33-35.
[4]	王巍¹，李强². 项目风险混合智能预警模型及其应用研究[J]. 计算机工程与应用, 2010, 46(5): 189-192.
[5]	刘慧婷¹，倪志伟². 客户行为的有效聚类[J]. 计算机工程与应用, 2010, 46(4): 12-14.
[6]	韩红旗^1，2，朱东华¹，刘嵩¹，汪雪锋¹. 关联词约束的半监督文本分类方法[J]. 计算机工程与应用, 2010, 46(4): 113-116.
[7]	黄秀丽，王蔚. 一种改进的文本分类特征选择方法[J]. 计算机工程与应用, 2009, 45(36): 129-130.
[8]	廖一星. 一种新的监督潜在语义模型[J]. 计算机工程与应用, 2009, 45(33): 117-119.
[9]	安平¹，吴涛²，贺汉根². 基于L-SVM的级联检测器的构造[J]. 计算机工程与应用, 2009, 45(33): 156-158.
[10]	林卫^1，2，何华灿²，艾丽蓉²，李梅². 脑fMRI特征重建的分层快速聚类方法[J]. 计算机工程与应用, 2009, 45(32): 193-196.
[11]	熊文涛^1，2，齐欢¹，余胜平². Credal网络推理的一种不完全枚举法[J]. 计算机工程与应用, 2009, 45(31): 27-29.
[12]	王凌云，鲁小云，王治和. Vague集模糊熵的再研究[J]. 计算机工程与应用, 2009, 45(30): 31-33.
[13]	刘双印. 免疫人工鱼群神经网络的经济预测模型[J]. 计算机工程与应用, 2009, 45(29): 226-229.
[14]	李广水^1，2，宋丁全¹，郑滔³，李杨²，苏继申⁴. 协同训练支持向量机对遥感影像的分类研究[J]. 计算机工程与应用, 2009, 45(29): 160-163.
[15]	张瑞玲，王文斌，王秀峰，陈秋双. 实例驱动的自适应本体学习[J]. 计算机工程与应用, 2009, 45(28): 31-34.

多层次用户兴趣模式的动态捕捉

Extracting dynamic multi-level user interest modeling

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics