用户意图推理论文_易鑫,喻纯,史元春

导读:本文包含了用户意图推理论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:意图,用户,人机,在线,建模,马尔,科夫。

用户意图推理论文文献综述

易鑫,喻纯,史元春^[1]（2018）在《普适计算环境中用户意图推理的Bayes方法》一文中研究指出本文阐述了通过Bayes方法来预测用户交互意图的建模方法过程和推理过程.在自然交互界面上,用户不再是严格地通过离散明确的交互操作完成交互,而是通过连续、非确定的多模态数据表达交互意图.在解释用户的交互意图时,既可以使用"黑盒子"的机器学习方法,也可以利用"白盒子"的基于用户行为建模的方法.后者中的用户建模,其本质是通过计算的方法来刻画用户的行为能力,对于理解用户意图和探索自然交互的计算原理具有重要的科学意义.文章回顾了近年来人机交互研究中主要采用的智能算法,向读者厘清不同方法之间的差别,并通过我们实验室的具体研究工作展示用户建模的方法和Bayes推理的建模方法过程和推理过程.(本文来源于《中国科学:信息科学》期刊2018年04期）

陈晓璇^[2]（2018）在《电子商务中用户购物意图的推理与个性化推荐》一文中研究指出近年来,随着计算机和信息技术的不断进步,以互联网和移动互联网为代表的新媒体迅速发展,消费者传统的线下购物、社交、阅读等行为正在逐渐向线上转移。随着越来越多的企业进入电子商务领域,网上零售业的竞争也日趋激烈。为了能够在日益饱和的电子商务环境中脱颖而出,企业尝试用多种先进技术来吸引、保留用户,如协同过滤,智能推荐,机器学习定制等。然而,采用这样的常规技术效果并不理想。因此,对于学术界和从业者而言,如何提高在线转化率是一项艰巨的任务。目前,向用户提供推荐的网站一般都会大规模地定制,且很多网站都是假设用户的偏好和浏览行为是静态的,进而根据用户的历史信息和偏好来推荐。然而,用户的意图可能会因为在访问网站时遇到的刺激和信息而改变。常规推荐方法(例如,协同过滤,基于内容过滤的数据挖掘)经常会忽略意图的这种动态性。此外,常规的推荐模型不考虑(1)产品推荐是否满足每个用户未观察到的购买意图,(2)推荐是否在增加购买转化率同时减少购物车放弃方面是有效的。针对以上问题,本文主要做了以下几个方面的工作:第一,阐述用户在线行为和个性化推荐的研究现状,并提出本文的研究意义。第二,对用户行为特征进行量化,如用户当前页面累计活跃度,是否在上个会话购买等。对商品进行量化,如商品热度,商品是否此前购买过。对口碑刺激特征进行量化,如对应时间下,商品的评价数,差评数,差评率;对品牌刺激特征进行量化,如用户在会话中的浏览品牌的转变数,以及品牌的操作热度。第叁,加入用户的异质性分析,分析用户的人口统计变量与其购物车选择行为的关系。第四,使用分层贝叶斯进行观察建模,并用到隐马尔科夫链进行用户实时意图的识别建模。通过马尔科夫链蒙特卡洛方法进行模型参数后验分布的模拟估计,确定了用户存在二状态,即高、低意图状态,在不同状态下进行用户购物车选择行为分析。第五,为了验证模型的有效性,将二状态的模型与单一状态的分层贝叶斯模型进行比较,结果表明用户在二状态模型下的预测精度要优于单一状态的模型。(本文来源于《广东工业大学》期刊2018-04-18）

许永伟^[3]（2014）在《基于SNS智能家居系统的用户意图推理研究》一文中研究指出社会生活水平的不断提高促使人们追求高品质生活的需求越发强烈,智能家居系统也逐渐走进大众的视野。智能家居系统将现代化的智慧生活方式引入家居生活的同时,也为用户提供了较现代化、高品质、舒适安全的生活环境。与此同时,近年来SNS社交网络逐渐兴起并走向成熟,它向不同类型的社会群体提供不同种类的产品和服务,极大的促进了人与人之间的交流互动,扩展了人们获取信息资源的渠道。同时,越来越多的人倾向于将自己的生活状态通过社交网络发布出来以达到与他人共享信息的目的。近年来越来越多的智能家居系统解决方案被提出,但是它们在服务方式上仍存在许多缺陷,缺乏个性化与人性化。因此,将智能家居系统家居设备控制决策与SNS社交网络相结合为用户提供个性化服务具有极高的研究价值。本文通过将智能家居系统与SNS社交网络相结合,将SNS社交网络引入智能家居系统对家居设备的决策与判断过程中。首先,利用爬虫系统对用户在SNS社交网络上发布的信息进行采集整理,获取用户发布的SNS内容、发送时间以及发送地点等信息,并根据用户所在位置获取用户所在区域的气候信息,包括：天气、气温等信息。其次,对爬虫系统采集到的用户意图对家居设备进行操作控制的SNS信息进行特征词提取,根据TF-IDF算法完成对智能家居系统家居设备特征词库的构建；利用爬虫系统爬取到的用户所在地的天气信息、气温信息、微博发送时间、家居设备信息构造贝叶斯网络,并完成对贝叶斯网络的结构学习、参数学习；最后,将得到的用户日常SNS社交信息与智能家居系统家居设备特征词库进行特征词匹配,将特征词匹配成功的家居设备作为用户意图控制的家居设备,对于不满足家居设备特征词库匹配的SNS信息,则根据用户所在地的天气信息、气温信息、微博发送时间等因子,利用构造的贝叶斯网络进行推理预测。(本文来源于《北京邮电大学》期刊2014-12-25）

陈睿,苏剑波^[4]（2013）在《非合作型人机交互中用户意图推理》一文中研究指出人机交互主要研究人和机器人的合作型交互过程。在非合作型人机交互中,机器人能否和人具有同等的甚至更高级的智力从而自然地交互是人机交互中的一个重要问题。本文基于这个问题的研究,提出了一种在线学习非合作型人机交互中用户意图的方法。以机器人和人的猜拳交互过程为例,利用提出的方法,在线训练智能机器人具有击败人类的能力。在仿人机器人NAO上完成实验,实验结果验证了该方法的适应性和有效性。(本文来源于《第叁十二届中国控制会议论文集（D卷）》期刊2013-07-26）

用户意图推理论文开题报告

（1）论文研究背景及目的

此处内容要求：

首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。

写法范例：

近年来,随着计算机和信息技术的不断进步,以互联网和移动互联网为代表的新媒体迅速发展,消费者传统的线下购物、社交、阅读等行为正在逐渐向线上转移。随着越来越多的企业进入电子商务领域,网上零售业的竞争也日趋激烈。为了能够在日益饱和的电子商务环境中脱颖而出,企业尝试用多种先进技术来吸引、保留用户,如协同过滤,智能推荐,机器学习定制等。然而,采用这样的常规技术效果并不理想。因此,对于学术界和从业者而言,如何提高在线转化率是一项艰巨的任务。目前,向用户提供推荐的网站一般都会大规模地定制,且很多网站都是假设用户的偏好和浏览行为是静态的,进而根据用户的历史信息和偏好来推荐。然而,用户的意图可能会因为在访问网站时遇到的刺激和信息而改变。常规推荐方法(例如,协同过滤,基于内容过滤的数据挖掘)经常会忽略意图的这种动态性。此外,常规的推荐模型不考虑(1)产品推荐是否满足每个用户未观察到的购买意图,(2)推荐是否在增加购买转化率同时减少购物车放弃方面是有效的。针对以上问题,本文主要做了以下几个方面的工作:第一,阐述用户在线行为和个性化推荐的研究现状,并提出本文的研究意义。第二,对用户行为特征进行量化,如用户当前页面累计活跃度,是否在上个会话购买等。对商品进行量化,如商品热度,商品是否此前购买过。对口碑刺激特征进行量化,如对应时间下,商品的评价数,差评数,差评率;对品牌刺激特征进行量化,如用户在会话中的浏览品牌的转变数,以及品牌的操作热度。第叁,加入用户的异质性分析,分析用户的人口统计变量与其购物车选择行为的关系。第四,使用分层贝叶斯进行观察建模,并用到隐马尔科夫链进行用户实时意图的识别建模。通过马尔科夫链蒙特卡洛方法进行模型参数后验分布的模拟估计,确定了用户存在二状态,即高、低意图状态,在不同状态下进行用户购物车选择行为分析。第五,为了验证模型的有效性,将二状态的模型与单一状态的分层贝叶斯模型进行比较,结果表明用户在二状态模型下的预测精度要优于单一状态的模型。

（2）本文研究方法

调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。

实证研究法：依据现有的科学理论和实践的需要提出设计。

定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。

定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。

跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。

模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

用户意图推理论文参考文献

[1].易鑫,喻纯,史元春.普适计算环境中用户意图推理的Bayes方法[J].中国科学:信息科学.2018

[2].陈晓璇.电子商务中用户购物意图的推理与个性化推荐[D].广东工业大学.2018

[3].许永伟.基于SNS智能家居系统的用户意图推理研究[D].北京邮电大学.2014

[4].陈睿,苏剑波.非合作型人机交互中用户意图推理[C].第叁十二届中国控制会议论文集（D卷）.2013

论文知识图

标签：意图论文;  用户论文;  人机论文;  在线论文;  建模论文;  马尔论文;  科夫论文;