5401 篇
13910 篇
478060 篇
16312 篇
11771 篇
3941 篇
6548 篇
1253 篇
75663 篇
37919 篇
12169 篇
1667 篇
2869 篇
3422 篇
641 篇
1241 篇
1980 篇
4924 篇
3888 篇
5493 篇
基于用户兴趣的文献个性化推荐研究
针对当前文献推荐中个性化程度不高等问题，提出一种对用户行为重新分配权重的度量算法。运用用户行为数据按照时间顺序重新分配权重，突出近期用户兴趣构建用户兴趣模型。通过LDA主题分布、关键词分布等方法构建学术资源模型，实现两模型间匹配，完成推荐。通过实验验证，该算法准确性达到80%，比传统等权重算法提高近20%，召回率与F值分别提升了7%和5%。研究表明，基于时间因素的用户兴趣度量算法相较于传统等权重算法具有更高的准确性，未来可进一步优化用户兴趣度量以实现精准推荐服务。
索取原文[13 页]
027-87841330