基于神经网络的用户兴趣度估计

doi:10.3969/j.issn.1000-3428.2011.07.063

计算机工程 ›› 2011, Vol. 37 ›› Issue (7): 187-189,192.doi: 10.3969/j.issn.1000-3428.2011.07.063

基于神经网络的用户兴趣度估计

刘建^1,2，孙鹏²，倪宏²

(1. 中国科学院研究生院，北京 100190；2. 中国科学院声学研究所国家网络新媒体工程技术研究中心，北京 100190)

出版日期:2011-04-05 发布日期:2011-03-31
作者简介:刘建(1982－)，男，博士研究生，主研方向：网络通信，网络新媒体；孙鹏，副研究员；倪宏，研究员、博士生导师
基金项目:
国家科技支撑计划基金资助项目(2008BAH28B04)

Estimation of User Interest Degree Based on Neural Network

LIU Jian ^1,2, SUN Peng ², NI Hong ²

(1. Graduate University of Chinese Academy of Sciences, Beijing 100190, China; 2. National Network New Media Engineering Research Center, Institute of Acoustics, Chinese Academy of Sciences, Beijing 100190, China)

Online:2011-04-05 Published:2011-03-31

摘要/Abstract

摘要： 针对个性化服务研究中用户兴趣度估计的要求，分析用户行为特征与兴趣度的相互关系，选取页面关注时间、滚动/翻页次数、页面大小作为用户兴趣度的判别依据，提出一种基于RBF神经网络模型的用户兴趣度量化估计方法。仿真实验证明，与多元线性回归模型的计算结果相比，该方法在平均残差和预测准确度方面均有更好的效果。

关键词: 个性化服务, 用户兴趣度, RBF神经网络

Abstract: The Aiming at the requirements for estimating the user interest degree in the personalization services researching, this paper analyzes the relationship between the characteristics of user’s behavior and the interest degree and selects the page-concerned time, number of page rolling and page size as the implicit indicators, then proposes a method based on RBF neural network to quantitatively estimate the user interest degree. Experimental results show that compared with the multiple linear regression model, this method achieves better results both on the average residuals and the predicting accuracy.

Key words: personalization service, user interest degree, RBF neural network

中图分类号:

TP18

刘建, 孙鹏, 倪宏. 基于神经网络的用户兴趣度估计[J]. 计算机工程, 2011, 37(7): 187-189,192.

LIU Jian, SUN Feng, NI Hong. Estimation of User Interest Degree Based on Neural Network[J]. Computer Engineering, 2011, 37(7): 187-189,192.

参考文献

[1] 周立柱, 曾春, 邢春晓. 个性化服务技术综述[J]. 软件学报, 2002, 13(10): 1952-1961. [2] Kellar M, Watters C, Duffy J, et al. Effect of Task on Time Spent Reading as an Implicit Measure of Interest[C]//Proc. of American Society for Information Science and Technology. Providence, USA: Citeseer, 2004: 168-175. [3] Halabi W S A, Kubat M, Tapia M. Time Spent on a Web Page Is Sufficient to Infer a User Interest[C]//Proc. of the IASTED European Conference on Internet and Multimedia Systems and Applications. Chamonix, France: ACTA Press, 2007: 41-46. [4] Claypool M, Le P, Wased M, et al. Implicit Interest Indicators[C]// Proc. of the 6th International Conference on Intelligent User Interfaces. Santa Fe, New Mexico, USA: ACM Press, 2001: 33-40. [5] Choi J, Lee G, Um Y. Analysis of Internet User Interests Based on Windows GUI Messages[M]. [S. l.]: Springer, 2007. [6] Kim H, Chan P K. Implicit Indicator for Interesting Web Pages[C]//Proc. of International Conference on Web Information Systems and Technologies. Miami, USA: [s. n.], 2005: 270-277. [7] J?rding T, Michel S. Personalized Shopping in the Web by Monitoring the Customer[C]//Proc. of British HCI Group Day Conference on Active Web. Stafford, UK: [s. n.], 1999. [8] 何兴无, 朱征宇, 邓欣. 浏览时间在获取用户兴趣向量中的应用[J]. 情报科学, 2008, 26(1): 97-100. [9] 潘建国. 基于语义的用户建模技术与应用研究[D]. 上海: 上海大学, 2009. [10] 付关友, 朱征宇. 个性化服务中基于行为分析的用户兴趣建模[J]. 计算机工程与科学, 2005, 27(12): 76-78. [11] 陈允平, 王旭蕊, 韩宝亮. 人工神经网络原理及其应用[M]. 北京: 中国电力出版社, 2002. [12] 修妍, 马军海. 基于径向基神经网络的局域预测法及其应用[J]. 计算机工程, 2008, 34(9): 19-21.

[1]	苏佳丽, 伍忠东, 丁龙斌, 朱婧. 基于RBF神经网络的LTE-R切换算法优化[J]. 计算机工程, 2019, 45(10): 110-115,121.
[2]	曹步清,刘建勋,唐明董,谢芬方. 基于用户使用历史与信誉评价的Web API 推荐[J]. 计算机工程, 2015, 41(6): 43-48,55.
[3]	方俊, 赵英良. 基于RBF神经网络的一次性口令认证方案[J]. 计算机工程, 2011, 37(9): 157-159.
[4]	张敬磊;王晓原. 基于非线性组合模型的交通流预测方法[J]. 计算机工程, 2010, 36(5): 202-204.
[5]	魏娟, 杨恢先, 谢海霞. 基于免疫RBF神经网络的逆运动学求解[J]. 计算机工程, 2010, 36(22): 192-194.
[6]	王纯子, 张斌. 基于隐层优化的RBF神经网络预测模型[J]. 计算机工程, 2010, 36(18): 191-193.
[7]	纪淑娟;梁永全;张纯金;田启家. 通用的个性化自动谈判服务框架及其实现[J]. 计算机工程, 2009, 35(17): 11-13,1.
[8]	张付志;李伟静;朱彩云. 基于领域本体的跨系统个性化服务用户模型[J]. 计算机工程, 2009, 35(13): 31-33.
[9]	修妍;马军海. 基于径向基神经网络的局域预测法及其应用[J]. 计算机工程, 2008, 34(9): 19-21.
[10]	杨鹏;姜威;刘品杰;张燕. 基于半物理仿真的RBF神经网络滑模控制[J]. 计算机工程, 2008, 34(24): 197-199.
[11]	欧阳磊;黄友锐;黄宜庆. 基于模糊RBF神经网络的PID及其应用[J]. 计算机工程, 2008, 34(22): 231-233.
[12]	陆锦军;王执铨. 基于混沌理论的网络数据流RBF神经网络预测[J]. 计算机工程, 2006, 32(23): 100-103.
[13]	胡斓;夏利民. 基于Boosting RBF神经网络的人脸年龄估计[J]. 计算机工程, 2006, 32(19): 199-201.

基于神经网络的用户兴趣度估计

Estimation of User Interest Degree Based on Neural Network

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 13

Metrics

本文评价

推荐阅读 10