Please wait a minute...
Advanced Search
现代图书情报技术  2006, Vol. 1 Issue (2): 59-62     https://doi.org/10.11925/infotech.1003-3513.2006.02.14
  网络资源与建设 本期目录 | 过刊浏览 | 高级检索 |
用户导航历史的半结构时序图模型研究*
王汾1 张玉峰2
1(武汉大学图书馆 武汉 430072)
2(武汉大学信息管理学院 武汉 430072)
Modeling the Users’ Navigation History by Semistructured Temporal Graph
Wang FenZhang Yufeng2
1(Wuhan University Library, Wuhan 430072, China)
2(School of Information Management, Wuhan University, Wuhan 430072, China)
全文: PDF (0 KB)  
输出: BibTeX | EndNote (RIS)      
摘要 

概述了网络个性化导航研究的分类,探讨了如何用半结构时序图模拟用户的导航历史,针对它的不足提出了一个能降低其实现算法时空复杂性的改进图模型。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
王汾
张玉峰
关键词 智能导航个性化图模型    
Abstract

In this paper,we fristly survey and classify the current researches on personalized navigation of Web,and probe how to modeling the users’ navigation history by semistructured temporal graph, then point out its shortages. Also the paper presents an improved model which can great decrease the time and space complexity of the algorithm for realizing the model.

Key wordsIntelligent navigation    Personalization    Graphic model
收稿日期: 2005-11-15      出版日期: 2006-02-25
ZTFLH: 

G350

 
基金资助:

*本文系教育部人文社会科学研究博士点基金项目(项目编号:03JB870002)研究成果之一。

通讯作者: 王汾      E-mail: wangfen@lib.whu.edu.cn
作者简介: 王汾,张玉峰
引用本文:   
王汾,张玉峰. 用户导航历史的半结构时序图模型研究*[J]. 现代图书情报技术, 2006, 1(2): 59-62.
Wang Fen,Zhang Yufeng. Modeling the Users’ Navigation History by Semistructured Temporal Graph. New Technology of Library and Information Service, 2006, 1(2): 59-62.
链接本文:  
http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2006.02.14      或      http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2006/V1/I2/59

1Ah-Hwee Tan,Hwee-Leng ong, Hong Pan, Jamie Ng, Qiu-Xiang Li.FOCI:A Personalized Web Intelligence Sysem.Proceeding of IJCAI workshop on Intelligent Techniques for Web Personalization, August 14-19,2001,Seattle,USA
2Gayer-Schulz,Hahsler.Evaluation of Recommender Algorithms for an Internet Information Broker Based on Simple Association-Rules and on Repeat-Buying Theory.In WebKDD 2002 Workshop on Web Mining for Usage Patterns & Profies
3Ernesto Damiani.Modeling Users’Navigation History.IJCAI’S Workshop on Intelligent Techniques for Web Personalization,August,2001,Seattle,USA
4J.kleinberg.Navigation in a small world.In Nature 406(2000)
5Ed H.Chi,Adam Rosien,Jeffrey Heer.LumberJack:Intelligent Discovery and Analysis of Web User Traffic Composition.WebKDD 2002 Workshop,July,2002 Edmonton,Canada
6http://mathworld.Wolfram.com/Greedy Algorithm.htmd(Accessed Oct.8,2005)
7D.W.Cheung,J.Ham,V.Ng and C.Y.Wong.Maintenance of Discovered Association Rules in Large Databases:An Incremental Updation Techniques.Proceddings of ICDE,1996

[1] 沈志宏,赵子豪,王海波. 以图为中心的新型大数据技术栈研究 *[J]. 数据分析与知识发现, 2020, 4(7): 50-65.
[2] 苏庆,陈思兆,吴伟民,李小妹,黄佃宽. 基于学习情况协同过滤算法的个性化学习推荐模型研究*[J]. 数据分析与知识发现, 2020, 4(5): 105-117.
[3] 郑淞尹,谈国新,史中超. 基于分段用户群与时间上下文的旅游景点推荐模型研究*[J]. 数据分析与知识发现, 2020, 4(5): 92-104.
[4] 魏伟,郭崇慧,邢小宇. 基于语义关联规则的试题知识点标注及试题推荐*[J]. 数据分析与知识发现, 2020, 4(2/3): 182-191.
[5] 孙明珠,马静,钱玲飞. 基于文档主题结构和词图迭代的关键词抽取方法研究 *[J]. 数据分析与知识发现, 2019, 3(8): 68-76.
[6] 张怡文,张臣坤,杨安桔,计成睿,岳丽华. 基于条件型游走的四部图推荐方法*[J]. 数据分析与知识发现, 2019, 3(4): 117-125.
[7] 叶佳鑫,熊回香. 基于标签的跨领域资源个性化推荐研究*[J]. 数据分析与知识发现, 2019, 3(2): 21-32.
[8] 聂卉. 结合词向量和词图算法的用户兴趣建模研究 *[J]. 数据分析与知识发现, 2019, 3(12): 30-40.
[9] 王安,顾益军,李坤明,李文政. 基于复杂网络词节点移除的关键词抽取方法 *[J]. 数据分析与知识发现, 2019, 3(11): 35-44.
[10] 丁浩,李树青. 基于用户多类型兴趣波动趋势预测分析的个性化推荐方法 *[J]. 数据分析与知识发现, 2019, 3(11): 43-51.
[11] 李杰, 杨芳, 徐晨曦. 考虑时间动态性和序列模式的个性化推荐算法*[J]. 数据分析与知识发现, 2018, 2(7): 72-80.
[12] 侯银秀, 李伟卿, 王伟军, 张婷婷. 基于用户偏好与商品属性情感匹配的图书个性化推荐研究*[J]. 数据分析与知识发现, 2017, 1(8): 9-17.
[13] 陈梅梅, 薛康杰. 基于标签簇多构面信任关系的个性化推荐算法研究*[J]. 数据分析与知识发现, 2017, 1(5): 94-101.
[14] 陈梅梅, 薛康杰. 基于改进张量分解模型的个性化推荐算法研究*[J]. 数据分析与知识发现, 2017, 1(3): 38-45.
[15] 罗文馨,陈翀,邓思艺. 基于Word2Vec及大众健康信息源的疾病关联探测[J]. 现代图书情报技术, 2016, 32(9): 78-87.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn