论文网
用户类论文范文数据库,与推荐系统交互性综述相关论文查重软件
本论文是一篇用户类论文查重软件,关于推荐系统交互性综述相关毕业论文参考文献格式范文。免费优秀的关于用户及系统及电子商务方面论文范文资料,适合用户论文写作的大学硕士及本科毕业论文开题报告范文和学术职称论文参考文献下载。
者“不喜欢”按钮收集用户兴趣.这些不同的显性反馈方式各有利弊.YouTube最早是用5分平分系统收集显性反馈的,但后来他们的研究人员统计了不同评分的评分数,结果显示,用户最常用的评分是5分,其次是1分,其他的分数很少有用户打.后来,YouTube就把评分系统改成了两档（喜欢/不喜欢）[21-22].因此,不同的网站需要根据自己的特点设计评分系统.YouTube的用户注意将精力放在看视频上,因此他们只有在特别不满或者特别满意时才会评分,这样二级评分就够了.如果是评论网站,用户主要将精力放在评论上,这时多级评分系统就是必要的.和显性反馈行为对应的是隐性反馈行为.隐性反馈行为指的是那些不明确反应用户喜欢的行为.最具代表性的隐性反馈行为就是页面浏览行为.用户浏览一个物品的页面并不代表一定喜欢这个物品,比如可能因为这个页面链接显示在首页,用户更容易点击它而已.相比显性反馈,隐性反馈虽然不明确,但数据量更大.在一些网站中,很多用户只有隐性反馈数据而没有显性反馈数据.
上下文信息的重要性已被许多学科的研究人员和从业人员的认可,包括电子商务个性化,信息检索,无处不在的移动计算,数据挖掘,营销,管理.在移动上下文感知推荐系统方面,还需考虑到用户所处情境的变化,动态地捕获上下文情境使系统的推荐具有自适应性[23].传统的协同过滤算法只考虑用户的历史评价,而忽略了一段很长的时间里用户兴趣漂移和项目知名度的变化.针对上述问题,研究人员提出了一个时间感知的协同过滤算法[24,25],跟踪用户的兴趣和项目的普及时间,通过结合时间信息对广泛使用的基于领域的算法进行拓展,开发了一种改进算法进行及时的建议.实验结果表明,该方法可以有效地提高预测的准确性.
5结论
本文从交互信息可视化、推荐界面、交互查询、多维度四个角度总结分析了个性化推荐领域中交互性的现状.在调研过程中发现目前专门针对推荐系统的交互性设计的方法和理论的文献并不多.推荐系统尤其是商用的推荐系统体系,可参考一些Web应用及其他应用程序的交互方法和界面的设计,苹果产品的走红强化了广大普通用户对用户体验和产品设计的意识和需求.文中论述的四个方面都是有价值但还没有得到充分挖掘的领域,它们在逻辑上具有连续性,用户与系统的交互始于用户界面,通过在系统中进行查询搜索来获取推荐结果,而多维度是针对推荐系统自身的设计技术,充分利用好用户的上下文情境信息可以增强推荐的自适应性和用户满意度,带来更好的用户体验并为社会创造更多的价值.后续的工作将结合具体深入的调查和实验,旨在提出一种可行的具有更好的用户体验的推荐系统交互设计方法.
参考文献
[1]SwearingenK,SinhaR.Beyondalgorithms：AnHCIperspectiveonremendersystems[C]//ACMSIGIR2001WorkshoponRemenderSystems.2001：11.[2]VerbertK,ParraD,BrusilovskyP,etal.Visualizingremendationstosupportexploration,transparencyandcontrollability[C]//Proceedingsofthe2013internationalconferenceonIntelligentuserinterfaces.ACM,2013：351-362.
本文url:http://www.sxsky.net/benkelunwen/060201110.html
[3]TintarevN,MasthoffJ.Designingandevaluatingexplanationsforremendersystems[M]//RemenderSystemsHandbook.SpringerUS,2011：479-510.
[4]O'DonovanJ,SmythB,GretarssonB,etal.PeerChooser：visualinteractiveremendation[C]//ProceedingsoftheSIGCHIConferenceonHumanFactorsinComputingSystems.ACM,2008：1085-1088.
[5]GouL,YouF,GuoJ,etal.SFViz：interest-basedfriendsexplorationandremendationinsocialworks[C]//Proceedingsofthe2011VisualInformationCommunication-InternationalSymposium.ACM,2011：15.
[6]ParraD.Beyondlists：studyingtheeffectofdifferentremendationvisualizations[C]//ProceedingsofthesixthACMconferenceonRemendersyst
用户类论文范文数据库
[7]ZhaoS,ZhouMX,YuanQ,etal.Whoistalkingaboutwhat：socialmap-basedremendationforcontent-centricsocialwebsites[C]//ProceedingsofthefourthACMconferenceonRemendersystems.ACM,2010：143-150.
[8]CosleyD,LamSK,AlbertI,etal.Isseeingbelieving?：howremendersysteminterfacesaffectusers'opinions[C]//ProceedingsoftheSIGCHIconferenceonHumanfactorsinputingsystems.ACM,2003：585-592.
[9]HerlockerJL,KonstanJA,RiedlJ.Explainingcollaborativefilteringremendations[C]//Proceedingsofthe2000ACMconferenceonComputersupportedcooperativework.ACM,2000：241-250.
[10]SwearingenK,SinhaR.Interactiondesignforremendersystems[C]//DesigningInteractiveSystems.2002,6（12）：312-334.
[11]GoldbergK,RoederT,GuptaD,etal.Eigentaste：Aconstanttimecollaborativefilteringalgorithm[J].InformationRetrieval,2001,4（2）：133-151.
[12]FriedmanHH,AmooT.Ratingtheratingscales[J].JournalofMarketingManagement,1999,9（3）：114-123.
[13]T.AmooandH.H.Friedman.Donumericvaluesinfluencesubjects'responsestoratingscales?JournalofInternationalMarketingandMarketingResearch[J],26：41-46,February2001.
[14]GarlandR.Themid-pointonaratingscale：Isitdesirable[J].MarketingBulletin,1991,2（1）：66-70.
[15]FonsecaBM,GolgherP,PssasB,etal.Concept-basedinteractivequeryexpansion[C]//Proceedingsofthe14thACMinternationalconferenceonInformationandknowledgemanagement.ACM,2005：696-703.[16]Garcia-AlvaradoC,ChenZ,OrdonezC.OLAP-basedqueryrem
用户类论文范文数据库,与推荐系统交互性综述相关论文查重软件参考文献资料：