主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2020年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
韩 爽,王 衡.基于时间访问轨迹的文件的智能推荐.软件学报,2009,20(zk):59-65
基于时间访问轨迹的文件的智能推荐
Intelligent File Recommendation Based on Time Access Tracking
投稿时间:2008-09-20  修订日期:2009-04-09
DOI:
中文关键词:  预测  推荐  时间访问轨迹  机器学习  智能用户界面  数据挖掘
英文关键词:prediction  recommendation  time access tracking  machine learning  intelligent user interface  data mining
基金项目:Supported by the National Natural Science Foundation of China under Grant No.U0735004 (国家自然科学基金); the National High-Tech Research and Development Plan of China under Grant No.2007AA01Z159 (国家高技术研究发展计划(863))
作者单位
韩 爽 北京大学 计算机科学技术系,北京 100871 
王 衡  
摘要点击次数: 3247
全文下载次数: 3266
中文摘要:
      随着计算机用户个人信息量的日益扩大,如何帮助用户在系统中快速找到所需资源已成为当前智能交互行为模型的重要课题.过往的研究大多集中于个人信息管理,力求以更加便于用户理解的个性化方式重新组织计算机资源结构.然而,由于上述系统往往需要用户大量的额外操作,并且重构用户的知识系统需要较为漫长的时间而不被用户采用.考虑到用户访问文件的主题性和目的性(用户往往会出于同一目的在同一时间段内同时访问多个同主题相关的文件),提出基于用户时间访问轨迹的智能文件推荐,并设计实现基于时间访问轨迹的智能文件推荐桌面工具(intelligent file recommendation desktop toolkit,简称IFRDT),将根据用户访问文件的轨迹,针对用户当前正在访问的文件向用户推荐最有可能被访问到的同主题的其他文件,以减少用户查找所需资源花费的时间开销.实验结果表明,使用IFRDT向用户推荐文件比仅仅向用户呈现访问历史更能为用户节省查找文件的时间;被试用户可以在IFRDT中找到一半以上的所需文件,这就是为用户节约了一半以上的查找开销.
英文摘要:
      Since the amount of information on today’s computers grows, helping computer users to locate the required files in file systems has become an important topic in today’s intelligent interaction model research. Past research has mostly concentrated in PIM (personal information management), to re-organize file hierarchies in a more understandable way for individual users. However, due to the numerous extra operations and the long period that needed for the re-organizing of users’ knowledge systems, the preceding applications can hardly be adopted by users. Considering that there would be a certain topic or purpose when user accessing files (a user may always view several files that related to the same topic during the same time), this paper proposes file recommendation based on tracking user’s file operations. An intelligent file recommendation desktop toolkit (IFRDT) is implemented, which will track user’s file access history, recommend the most related files according to the currently being accessed file, to reduce time cost for finding desired information. Experimental results show that IFRDT can save more energy of searching files than history, and users can find over 50% of desired files in IFRDT and directly open them without searching in directories.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利