用户模型

摘要： 针对骑行背景下的出行安全问题,结合参数化设计方法和生成式设计理念,探究头盔定制化设计的可行性与可靠性。从头盔的散热性、结构安全性、气动性、舒适性、外观造型、CMF六个主要方面入手,分析人体头部三维模型的受力关系和散热分布,使用曲线干扰批量生成随机的内胆模型并利用有限元分析筛选出"最优解"。运用图形化语言对外壳造型库进行评测,建立用户喜好模型并运用图像映射进行多种方案生成。得到各种差异化方案,从而实现头盔的定制设计。将参数化设计方法运用于骑行头盔的定制设计中,能够减少设计建模时间、提高设计效率,增加骑行头盔设计的灵活度和创新性,同时为其他类型产品的定制化设计研究提供了一个新的设计思路。

摘要： 主要研究了基于深度学习技术挖掘用户搜索主题相关的感兴趣内容.通过深度挖掘算法分析用户搜索记录、查询历史以及用户感兴趣的相关文档视为用户搜索主题数据的来源,进而挖掘兴趣主题.挖掘模型主要采用向量空间模型,将用户搜索主题模型表示成用户搜索主题向量形式.形成主题和用户兴趣关系网,用户搜索主题向量的构造过程:选择一组用户查询词,并对它们进行深度挖掘分类,最后用它们构造用户搜索主题特征向量,进而分析用户兴趣点.结合用户随着时间的变化,以及过程中有不用的搜索词,以及无关的搜索噪声词去掉,调整兴趣度,用户搜索主题需要具有更新学习机制,动态跟踪了用户兴趣变化趋势.该用户搜索主题研究过程克服了数据稀疏、类别偏差、扩展性差等缺点.实验结果表明,该模型识别用户搜索主题准确率良好.

摘要： 本文围绕用户画像和精准营销两个方面,研究用户画像在广电新业务推广营销工作上的应用.本文详细论述了用户画像、用户建模、营销实践的全部过程,同时通过营销实践验证用户画像对新业务营销的促进作用.

摘要： 设计师在进行设计活动的过程中,会根据用户研究的结果假想出一个设计模型,从设计模型出发来完成产品与用户之间的交互过程,甚至是整个设计产品.而用户模型则是用户在拿到一个新的用品之后,在交互的过程中形成对产品使用方式方法的概念模型,二者既有联系又有差异.因此,本文对这种异同性进行分析,以期对工业设计具有一定的指导意义.

摘要： 为应对老龄化社会的挑战,提升公共图书馆为老年人服务的水平,文章基于用户模型从老年人需求角度及公共图书馆供给角度设计了两套问卷,通过对两套问卷的统计分析,指出目前深圳市公共图书馆在老年人阅读服务方面存在的不足,并提出针对老年人阅读的应对措施及创新对策.

摘要： 因为中国的环境复杂多样,不同环境对于汽车性能的影响各不相同,所以在汽车开发过程中对汽车环境适应性的验证工作必不可少.正因为中国的环境特征复杂多变,导致汽车适应性试验的工作量非常大,不同地区的环境气候特征、用户用车习惯、驾驶习惯、汽车典型失效模式各不相同,为了将庞大的数据统一、规整,采用用户模型对不同环境地区进行分类,构造一个虚拟用户来代替一个用户群,其意义是通过数据了解典型环境地区的基本信息,为后续的汽车开发、试验开展和故障分析提供支持.目前用户模型已经应用在三高适应性试验、粉尘地区适应性试验、用户密集区适应性试验中,其研究思路及方法会进一步应用到其他重点销售地区的适应性试验中.

摘要： 为解决当前智慧图书馆推荐算法存在的推荐系统冷启动问题,在分析了当前智慧图书馆利用门户网站用户信息的可用性和可行性的基础上,提出了融合门户信息的用户模型建立方法.为解决当前推荐算法将用户属性和社交网络混合计算而导致的推荐不准确问题,基于k-means算法和用户相似度提出了将用户属性和社交网络分别进行聚类的推荐算法.通过利用门户网站的个人数据信息及提出的新算法,为智慧图书馆的推荐算法提出了新的思路和方向,从而打造个性化、智能化的智慧图书馆.

摘要： 本文以“滨海旅游”为切入点,利用互联网大数据平台,了解相关用户对滨海旅游的关注程度、关注方向及持续变化情况,对比不同关键词用户的需求图谱及人群画像,构建滨海旅游“长尾理论模型”,提出滨海旅游用户体验新思考。

摘要： 针对随访系统用户对于宣教信息推送、健康监测、随访系统整体使用满意度等方面,从大数据角度对信息时代背景下的医院随访系统进行研究调查。根据调查结果分析指出当前医疗随访系统存在问题,针对健康宣教、健康监测问题总结提出依据用户模型对用户进行个性化随访,进一步完善智能随访系统,以达到让“互联网+医疗”环境下的医院随访系统更加成熟与完善的目的。

摘要： 农业是我国社会经济发展的支柱性产业之一,农村作为农业活动的基地,其信息化建设将推动传统农业的种植生产、监控管理、市场营销等飞速发展.以农村信息化服务平台为研究对象,围绕此平台利用OWL、Protégé 软件构建农业领域本体,基于农业领域本体与平台用户注册信息构建用户初始模型,计算用户对平台资源的初始兴趣度;然后利用正面学习与反馈学习方法,从用户日志与用户反馈中获取用户对平台资源的动态需求,进而对初始兴趣度进行更新,以更为准确地贴合用户动态知识需求,构建动态变化的用户模型.

摘要： 本项目以提高移动设备可用性评估方法的有效性和实用性为目标,站在"以用户为本"的角度,建立一套基于用户模型的移动设备可用性评估方法.针对可用性评估标准、测试方法、数据采集与统计分析技术、以及抽样方法进行了较为深入、系统的研究.本项目研究为可用性测试提出了新的理论依据,该方法具有很好的普适性和灵活性,提高了可用性评估的信度和效度.对于企业提升产品可用性和提高开发效率、降低成本具有直接的应用价值.通过对Android4.0和iOS6.0操作系统智能手机的可用性测试，验证并完善了可用性问题的分类模型:将测试发现的可用性问题按照行动类型、行动阶段、认知阶段、对象类型4个维度分类。结果表明，这种基于用户心理学模型的问题分类模型能够更全面地解释用户的行动模式、分析用户出错的心理因素，从而为系统设计改进提供更加可靠的依据。

摘要： Aspen Plus仿真软件能够很好的实现化工工艺流程的模拟,并能对化工工艺流程实现参数优化、灵敏度分析和经济评价等.但化工工艺流程复杂,装置模型众多,Aspen Plus中现有模型库不可能提供所有的单元模型.本文基于Aspen与Matlab的数据交互功能,开发了Aspen与Matlab接口用户模型——AEM用户模型,该用户模型能够实现在Aspen界面下调用Matlab程序,建立基于软测量技术的用户模型,大大扩展了Aspen Plus的适用范围.应用本文提出的方法,完成了双酚A生产流程中结晶塔的用户模型开发,实现了双酚A加合物结晶过程的模拟,并应用到双酚A生产流程模拟中.

摘要： 以数字化学习为主要学习方式的现代远程教育越来越受到人们重视.而远程教育中的用户模型则是支持个性化学习服务的基础和核心,本文采用一种以信息流为基础的方法为远程学习者构建用户模型,有效解决了支持个性化学习服务实现过程中的几个关键问题,包括远程学习者个性化特征的隐式提取,远程学习者个性化特征和社会化特征的双重描述,用户模型的自适应更新等,以期能够为资源的个性化推荐和个性化学习服务提供支持.

摘要： 通过用户模型来指导应用程序的用户界面设计,在智能用户界面的研究中占有重要的地位.当前基于移动设备及移动操作系统的应用程序数量迅速增加,却没有合适的用户模型来指导用户界面的设计与开发.基于此,本文将智能手机等移动设备的各种软硬件功能及参数综合考虑,以活动理论为基础,给出了一个移动环境下的用户模型-Uniform Mobile User Model(UM2),从模型的静态结构及动态的构建方法两方面对用户模型进行了阐述;并且通过实例应用及实验验证了模型的可行性.该项工作可以对移动环境下智能用户界面的设计和开发提供模型上的指导,提高人们使用移动设备进行工作与生活的效率.

摘要： 个性化信息服务越来越成为信息检索领域中研究的热点.针对用户模型构造问题,文章结合手工定制建模与自动分析建模技术;并改进文档特征向量的权重计算方式,提高特征向量表示文档的能力;并结合用户浏览行为的页面反馈度计算,提出了一种用户模型智能调整算法.模拟实验表明,该结构和算法能够有效地提高检索结果的准确度,并且具有良好的可适应性.

摘要： 随着数字信息资源数量的快速增长，传统的信息检索系统因在用户检索过程中返回与用户检索意图无关的结果而造成检索效率降低的问题日益突出。构建基于用户模型的个性化信息检索系统是解决这一问题的有效手段。本文对个性化系统中用户模型进行简要概述，重点分析评述了个性化信息检索系统中基于向量模型、概率模型和语言模型的用户模型表示方法和构建方法，并展望用户模型研究今后的发展方向。

摘要： 网络学习资源快速膨胀满足了成人自主学习要求和资源多样性,同时也出现了信息爆炸和选择迷航现象.为了提高资源的使用率,远程学习系统必须具有智能挖掘性和个性化服务.普通的个性化检索不能根据用户的知识水平层次提供难度适宜的资源.因此提出构建远程学习者档案资料库,依靠概念关系两次过滤学习资源,实现个性化检索.考虑了远程学习者理解能力差异性,从用户兴趣和资源难易度两方面智能筛选学习资源,满足学习者远程学习个性化检索要求.

摘要： 网络学习资源快速膨胀满足了成人自主学习要求和资源多样性,同时也出现了信息爆炸和选择迷航现象.为了提高资源的使用率,远程学习系统必须具有智能挖掘性和个性化服务.普通的个性化检索不能根据用户的知识水平层次提供难度适宜的资源.因此提出构建远程学习者档案资料库,依靠概念关系两次过滤学习资源,实现个性化检索.考虑了远程学习者理解能力差异性,从用户兴趣和资源难易度两方面智能筛选学习资源,满足学习者远程学习个性化检索要求.

摘要： 网络学习资源快速膨胀满足了成人自主学习要求和资源多样性,同时也出现了信息爆炸和选择迷航现象.为了提高资源的使用率,远程学习系统必须具有智能挖掘性和个性化服务.普通的个性化检索不能根据用户的知识水平层次提供难度适宜的资源.因此提出构建远程学习者档案资料库,依靠概念关系两次过滤学习资源,实现个性化检索.考虑了远程学习者理解能力差异性,从用户兴趣和资源难易度两方面智能筛选学习资源,满足学习者远程学习个性化检索要求.

摘要： 网络学习资源快速膨胀满足了成人自主学习要求和资源多样性,同时也出现了信息爆炸和选择迷航现象.为了提高资源的使用率,远程学习系统必须具有智能挖掘性和个性化服务.普通的个性化检索不能根据用户的知识水平层次提供难度适宜的资源.因此提出构建远程学习者档案资料库,依靠概念关系两次过滤学习资源,实现个性化检索.考虑了远程学习者理解能力差异性,从用户兴趣和资源难易度两方面智能筛选学习资源,满足学习者远程学习个性化检索要求.

摘要： 本申请公开了用户信用模型的用户特征分类方法、用户信用评估方法及装置。该用户信用评估方法包括：接收各用户特征的用户特征数据；将所述非指定用户特征集合中各非指定用户特征的用户特征数据进行非线性处理，根据所述非线性处理的结果确定第一数值；将所述指定用户特征集合中各指定用户特征的用户特征数据进行线性映射，根据所述线性映射的结果确定第二数值；通过所述第一数值和所述第二数值，确定所述用户信用模型的输出值；根据所述输出值评估用户信用。从而解决了现有技术中，将全部的特征数据通过相同的方式进行处理，导致根据该处理结果评估得到的用户信用与实际偏差较大的问题。

摘要： 本申请公开了用户信用模型的用户特征分类方法、用户信用评估方法及装置。该用户信用评估方法包括：接收各用户特征的用户特征数据；将所述非指定用户特征集合中各非指定用户特征的用户特征数据进行非线性处理，根据所述非线性处理的结果确定第一数值；将所述指定用户特征集合中各指定用户特征的用户特征数据进行线性映射，根据所述线性映射的结果确定第二数值；通过所述第一数值和所述第二数值，确定所述用户信用模型的输出值；根据所述输出值评估用户信用。从而解决了现有技术中，将全部的特征数据通过相同的方式进行处理，导致根据该处理结果评估得到的用户信用与实际偏差较大的问题。

摘要： 本说明书实施例提供一种训练用户相关的分类模型的方法和装置，其中方法包括，获取一批标注样本，各标注样本具有预先标注的、选自预定的K个类别的类别标签。此外还利用生成器，生成多个生成样本。将各标注样本输入用于进行K+1个类别分类的分类器，得到第一预测结果，其正相关于各标注样本属于其对应类别标签的概率；其中，该K+1个类别包括前述K个类别和附加类别。还将生成样本输入分类器，得到第二预测结果，其正相关于生成样本属于附加类别的概率。以第二预测结果最小化为目标，对生成器进行第一更新；并以预设函数的函数值最大化为目标，对分类器进行第二更新，其中预设函数与第一预测结果和第二预测结果均正相关。

摘要： 本申请提供用户判别模型训练方法、用户判别方法及相关装置。该方案根据三个训练样本的行为特征，对用户判别模型进行迭代调参，能够使用户判别模型学习到样本标签相同的训练样本的行为特征之间的特征共性和样本标签不同的训练样本的行为特征之间的特征差异，进而可学习到可准确区分不同类型的用户的行为特征，使得用户判别模型具备准确提取行为特征的能力；根据三个训练样本的判别结果和样本标签，对用户判别模型进行迭代调参，使得用户判别模型输出的判别结果能够接近于样本标签，进而使得用户判别模型具有准确区分用户是否为预设行为用户的能力；因此，利用用户判别模型可实现对用户是否为潜在用户的准确判别。

摘要： 本公开提供的一种用户画像模型训练的方法、用户数据确定方法、设备，涉及用户画像技术，包括：获取训练数据集；训练数据集中包括多个无标记的原始样本；每个无标记的原始样本中包括用户的多个特征；对原始样本中的多个特征进行掩盖处理，得到掩盖后的训练样本；其中，训练样本中包括原始样本中的部分特征；根据训练样本以及与训练样本对应的原始样本对预设模型进行训练，得到用户画像模型；其中，用户画像模型用于输出用户画像向量。本公开提供的方案可以对训练样本的不同种类的多个特征进行整合训练，能够发现不同特征之间的关联性，使训练结果在具有通用性的同时也能够带来更好的准确率。

摘要： 本公开关于一种用户行为预测模型的生成方法、用户行为预测方法及装置，其中方法通过获取训练样本数据，当训练样本数据为新用户样本数据时，根据将新用户样本数据分别训练第一预测网络和第二预测网络，从而得到训练后的用户行为预测模型。由于第一预测网络是基于新用户样本数据和老用户样本数据训练后得到，第二预测网络则由新用户样本数据进行训练，且能够为第一预测网络和第二预测网络的输出赋予相应的权重，从而使得模型能够学习到用户成长过程中的兴趣变化，不仅能够有效提高模型的泛化能力，还可以提高模型的准确性。

摘要： 本说明书实施例提供一种用户分类模型的训练、用户分类处理的方法及装置，用户分类模型包括图神经网络、第一分类网络和第二分类网络，该用户分类模型的训练方法包括：获取样本用户，其具有标签数据；在用户关系网络图中，以样本用户为目标节点，利用图神经网络对目标节点进行聚合；将所得的用户表征输入第一分类网络和第二分类网络，得到第一预测值和第二预测值，第一预测值表征样本用户属于由第一类用户和第二类用户构成的第一用户群的概率，第二预测值表征样本用户属于由第二类用户和第三类用户构成的第二用户群的概率；基于第一预测值和/或第二预测值，及标签数据，确定当前损失值；以最小化当前损失值为目标，调整用户分类模型的参数。

摘要： 本公开提供了一种用户意向预测模型训练方法、用户意向预测方法及装置，可以应用于大数据技术领域、人工智能技术领域和金融技术领域。该用户意向预测模型训练方法包括：获取历史用户数据集，其中，历史用户数据集包括用户属性数据、用户操作数据和用户意向数据；通过提取用户操作数据的主成分特征，生成第一特征数据；将用户属性数据按照不同属性类型构建得到属性特征数据；通过计算属性特征数据和用户意向数据的相关度，确定第二特征数据，其中，第二特征数据包括满足预设条件的与相关度对应的属性特征数据；以及利用第一特征数据和第二特征数据组成的训练样本数据集，训练预设模型，得到用于预测用户意向的用户意向预测模型。

摘要： 本申请涉及一种用户存留模型的训练方法、用户存留预测方法和装置。所述训练方法包括：获取原始用户数据；对原始用户数据进行分类，得到对应各维度的初始用户特征；对各维度对应的初始用户特征进行特征分组处理，得到对应各维度的初始用户特征的分组特征；根据各分组特征的重要性指标，从各维度的分组特征中确定目标特征；基于目标特征进行初始用户存留模型的训练，得到训练后的用户存留模型。采用本方法能够提升用户存留预测的准确性。

摘要： 本发明属于用户模型技术领域，具体为一种实现用户数据多层级隔离的用户模型，该实现用户数据多层级隔离的用户模型的基础部件包括用户池、用户、关联关系和关联关系标识；用户池：用于存放用户数据，用户池与用户池之间的用户数据相互隔离；用户：用于记录用户数据；关联关系：用于表明用户池与用户之间的组成情况；关联关系标识：用于表明用户池与用户之间的组成数量，灵活性高，可根据实际的隔离需要设定相应的隔离层级，可满足传统IAM、云服务商、IDaaS等系统的用户数据多层级隔离需求。