Abstract ：

提出并验证了融合两阶段过程模型和改进Bass模型的网络社交平台上产品信息扩散模型。考虑用户转发动机构建产品信息扩散两阶段过程模型;考虑用户兴趣衰减效应改进Bass模型;融合这两个模型,考虑产品信息发布者明星效应、产品信息质量对产品信息扩散的影响,提出了产品信息扩散模型。以2019年11～12月新浪电影发布的电影预告片转发数据验证了所提模型,并与Bass模型进行了比较。结果表明,用户转发动机和用户兴趣衰减效应对产品信息扩散均有显著影响,所提模型的预测精度和拟合效果均优于Bass模型。所提模型可用于存在不同转发动机及具有衰减效应的其他信息转发量预测,尤其适合于在产品信息投放前期和早期对转发量的预测...

Keyword ：

转发动机 兴趣衰减效应 产品信息扩散 两阶段过程模型 Bass模型

Cite：

Copy from the list or Export to your reference management。

Abstract ：

[目的/意义]为了防止微博话题推荐引发信息茧房效应，提出融合微博话题特征和目标用户兴趣偏好的话题推荐方法，实现了在不降低推荐精确率的同时提高话题推荐结果的多样性，进而达到提高用户满意度的目的。[方法/过程]首先根据用户历史微博内容获取用户兴趣偏好，进一步以协同过滤算法为基础，计算目标用户相似性，然后计算话题新鲜度、重要度、信任度指标并进行线性加和，得到目标用户对微博话题的综合兴趣度，最后，根据用户偏好和综合兴趣度计算目标用户对微博话题的兴趣度并降序排列，得到Top-N个话题推荐结果。[结果/结论]在真实微博数据上的实验结果表明，该方法取得了理想的预期效果，推荐效果既能保证准确性，又能体现多样性...

Keyword ：

微博话题推荐 话题新鲜度 话题多维特征 协同过滤

Cite：

Copy from the list or Export to your reference management。

Abstract ：

序列推荐任务根据用户与项目的交互记录动态建模用户兴趣，并进行项目推荐.序列推荐模型通常将用户行为视为兴趣进行建模，仅考虑用户行为的顺序，忽略用户行为之间的时间间隔信息.文中将行为序列的时间间隔信息作为预测用户行为的重要因素，提出基于时间卷积注意力神经网络的序列推荐模型.在词嵌入层中引入序列位置信息和时间间隔信息，并设计时间卷积网络对位置信息进行建模，获取用户的长期偏好特征.使用双层自注意力机制对用户短期行为序列中项目之间的关联进行建模，并融合时间间隔信息获取用户短期兴趣特征.最后，通过预训练引入训练数据的全局信息，提升模型推荐性能.在Amazon等数据集上的实验表明，文中模型可有效提升推荐性能...

Keyword ：

长短期兴趣 序列推荐 时间卷积网络 自注意力机制

Cite：

Copy from the list or Export to your reference management。

Abstract ：

本发明公开了一种提升用户在视频网站留存时间的视频推荐系统方法，包括以下步骤：数据预处理、深度兴趣交叉网络模型构建、模型训练及结果生成。本发明中的深度兴趣交叉网络模型整体上被划分为数据转换模块、低阶特征提取模块、交叉网络特征提取模块、深度兴趣特征提取模块。将三个特征提取模块以并行的方式进行训练，同时三个特征共享同一个数据层以加快模型的收敛速度。通过该机制我们可以深入挖掘用户的历史兴趣偏好，从中筛选出能够代表用户兴趣的内容，进而增强该内容的权重提升推荐系统的准确性。本发明除了能够提升视频网站推荐系统的准确性外，还可以将本发明的模型应用到电商、音乐等网站中，具有较好的移植性。

Cite：

Copy from the list or Export to your reference management。

Abstract ：

本发明公开了一种基于知识图谱辅助的用户多维度兴趣抽取方法。准确的用户兴趣表达是提升推荐性能的关键点之一，现有的推荐算法大多是采用一个单一的、混合的向量表示用户兴趣，并不能从多个维度来表达用户兴趣，这种对用户兴趣统一建模的方法忽略了隐向量中的纠缠，容易得到次优的用户兴趣表达，同时也缺乏一定的可解释性。然而，由于交互数据的稀疏性问题，在历史交互数据中学习用户的多维度兴趣表达是非常有难度的，目前相关的研究较少。本发明设计了一个知识图谱辅助的用户多维度兴趣抽取网络，可以得到多维度的用户兴趣表达，同时提供一定的可解释性。我们在音乐和书籍的数据集上验证了该方法的有效性。

Cite：

Copy from the list or Export to your reference management。

Abstract ：

在当前形势下,移动终端用户获取自己感兴趣的移动应用App的一个重要渠道就是各种移动应用市场。从单个移动应用市场的角度来说,为保持自己对于用户的吸引力,它必须向用户推荐其可能感兴趣的移动应用App,以扩大自己在用户群体中的影响力和增加自己的被下载量。从个体用户的角度来说,面对移动应用市场上的大量操作和功能类似的移动应用App,他(她)必须克服选择困难从而高效地获取到让自己满意的移动应用App。为达成上述目的,本文提出了基于异构网络的移动用户App使用行为模型,并在此模型的基础之上提出了基于异构网络元路径的移动应用App推荐算法,以帮助移动应用市场快速感知其用户兴趣并根据用户兴趣快速获取移动应用A...

Keyword ：

App应用 元路径 推荐算法 异构网络

Cite：

Copy from the list or Export to your reference management。

Abstract ：

传统的基于搜索日志的查询推荐方法无法快速有效处理和存储海量日志信息,无法抓住用户兴趣特点.为此,融合网络爬虫、数据挖掘和自然语言处理技术等多种方法,在原有查询日志数据基础上进一步爬取和挖掘,基于腾讯AI意图分析和自然语言处理技术,提出一种新的推荐词生成方法.实验结果表明,该方法与单纯基于查询意图的推荐和单纯基于相似度计算与聚类的推荐相比,用户查询准确性提升3％,能更加高效准确地为用户提供快速检索服务,提升了搜索引擎的用户体验.

Keyword ：

爬虫 搜索引擎 查询意图 数据挖掘 查询推荐

Cite：

Copy from the list or Export to your reference management。

Abstract ：

基于协同过滤算法是个性化推荐中最基础也是应用广泛的算法,传统的基于用户的协同过滤算法存在用户冷启动,推荐热门占比过高,推荐精度不够高等一系列问题。论文基于现有的协同过滤算法存在的问题,结合高校图书借阅的特点,对这些问题做了改进。通过计算用户相似度来为相似的学生互相推荐对方没有借阅过的图书是基于用户的协同过滤算法的思想,相似度的计算方法和相似用户之间推荐商品的方式是决定推荐效果的核心因素。论文通过学生上网日志聚类和学生的学院信息结合用户的图书借阅记录做用户相似度计算,彻底解决了用户冷启动问题,同时提升了推荐的精度。基于时间衰减的用户兴趣模型可以更加侧重用户近期的借阅兴趣,提升了推荐的精准度。同时...

Keyword ：

个性化图书推荐 协同过滤算法 多源数据推荐 推荐系统

Cite：

Copy from the list or Export to your reference management。

Abstract ：

针对K-匿名、空间匿名、位置模糊等隐私保护方法易受推理攻击及连续多查询攻击的不足,提出了一种抗连续多查询攻击的基于维诺图的位置隐私最近邻查询算法.该算法基于K-匿名思想以及维诺图算法,在可信第三方生成K-匿名集,用基于位置的服务(location based service,LBS)运营方服务器上存储的兴趣点(point of interest,POI)划分维诺图,基于用户与POI之间的邻近关系生成关系矩阵;用K-匿名集生成的离散维诺图构成匿名空间,以抵抗多查询攻击,保护用户位置隐私安全;用私有信息检索(privacy information retrieval,PIR)技术保护用户兴趣点查询...

Keyword ：

基于位置服务 位置K-匿名 隐私保护 移动通信 私有信息检索 随机匿名

Cite：

Copy from the list or Export to your reference management。

Abstract ：

目的文献资料是目前最重要的科研知识源,但爆炸式增长的科技文献所带来的信息过载,使得科研人员难以快速找到真正需要的文献。这在目前得到普遍关注的认知科学领域尤为严重。为解决这一问题,提出一种基于领域关联兴趣模型的个性化文献推荐方法。方法基于对研究人员短期兴趣变迁的观察,引入兴趣遗忘曲线进行用户建模,并改进激活扩散模型,利用兴趣间潜在的领域语义关系解决用户兴趣模型存在的数据稀疏问题,最后通过对比基于用户兴趣模型推荐方法与基于领域关联兴趣模型推荐方法的精确度与平均准确率对方法的有效性进行评估。结果采用Pub Med文献作为实验数据,从精确度来看,fMRI、induction和normal分别获得0.6...

Keyword ：

时间遗忘曲线 文献推荐 认知科学 激活扩散理论 用户兴趣

Cite：

Copy from the list or Export to your reference management。