• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Annual international ACM SIGIR conference on research and development in information retrieval >Predicting Category Accesses for a User in a Structured Information Space
【24h】

Predicting Category Accesses for a User in a Structured Information Space

机译：预测在结构化信息空间中的用户访问用户

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In a categorized information space, predicting users' information needs at the category level can facilitate personalization, caching and other topic-oriented services. This paper presents a two-phase model to predict the category of a user's next access based on previous accesses. Phase 1 generates a snapshot of a user's preferences among categories based on a temporal and frequency analysis of the user's access history. Phase 2 uses the computed preferences to make predictions at different category granularities. Several alternatives for each phase are evaluated, using the rating behaviors of on-line raters as the form of access considered. The results show that a method based on re-access pattern and frequency analysis of a user's whole history has the best prediction quality, even over a path-based method (Markov model) that uses the combined history of all users.
机译：在分类信息空间中，预测用户在类别级别的信息需求可以促进个性化，缓存和其他面向主题的服务。本文介绍了一种两相模型，可以根据先前的访问预测用户下一次访问的类别。阶段1基于用户访问历史的时间和频率分析生成类别之间的用户偏好的快照。阶段2使用所计算的偏好来在不同类别粒度进行预测。使用在线标准人的评级行为评估每个阶段的几种替代方案作为考虑的访问形式。结果表明，即使在使用所有用户的组合历史的基于路径的方法（Markov模型），也具有基于用户整个历史的重新访问模式和频率分析的方法具有最佳的预测质量。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号