基于矩阵多源加权关联规则在个性化推荐中的应用

针对传统关联规则挖掘算法中频繁信息不完善,以及电子商务中各个影响因素贡献值不同的问题,提出一种基于矩阵多源加权关联个性化推荐模型——MSWPR模型,并在考虑虚拟行为水平加权和多源关联垂直加权的基础上引入最小支持数概念作为剪枝的依据,进一步结合该模型对个性化推荐流程进行概述。     

基于加权派系的个性化信息推荐研究

【目的/意义】面对网络时代数据的海量性和无序性,为用户推荐个性化资源有利于增强用户间合作、提高 知识的共享速度,对新知识的发现具有深远意义。【方法/过程】基于具有相同兴趣用户的聚合优于单纯的信息聚 合,构建基于社会化标注系统的个性化推荐模型。通过引入社会网络中用户使用标签的频次来选择与用户关联显 著的标签,并通过加权派系发现和聚合“小众”凝聚组群和相似标签集,进而为用户推荐优质资源,使其真正契合用 户的个性化需求偏好。【结果/结论】结果表明模型能够有效实现信息的个性化推荐,消除单独聚类带来的粗糙数据 集,并通过抓取豆瓣上的数据进行实证分析。     

关联规则在图书馆个性化服务中的应用

为适应图书馆新书推荐服务的需要,以安徽省图书馆为例,用数据挖掘中的关联分析技术对安徽省图书馆的借阅记录进行挖掘,提出读者推荐服务模型,利用挖掘出来的关联规则进行读者个性化推荐服务.     

关联规则在图书馆个性化服务中的应用

为适应图书馆新书推荐服务的需要,以安徽省图书馆为例,用数据挖掘中的关联分析技术对安徽省图书馆的借阅记录进行挖掘,提出读者推荐服务模型,利用挖掘出来的关联规则进行读者个性化推荐服务。     

多源知识融合的企业知识服务模型构建研究

【目的/意义】构建多源知识融合的企业知识服务模型,实现企业知识增值,完善企业知识服务体系,提高企业知识服务水平。【方法/过程】基于概念层和本体层的知识融合技术,构建多源知识融合的企业知识服务模型,包括知识资源层、知识处理层、知识融合层、知识发现层以及知识应用层,并将模型应用到铁路企业,实现铁路企业知识服务的自动问答、故障诊断、知识推荐以及研发地图等功能。【结果/结论】基于多源知识融合的企业知识服务基于用户需求将知识有效关联,使企业知识服务更加智能化和个性化,为企业开展技术创新提供新的方法和思路。【局限】目前知识服务模型中的功能模型还不够完善,需继续充实功能模块。     

关联规则在图书馆个性化服务中的应用

为适应图书馆新书推荐服务的需要，以安徽省图书馆为例，用数据挖掘中的关联分析技术对安徽省图书馆的借阅记录进行挖掘，提出读者推荐服务模型，利用挖掘出来的关联规则进行读者个性化推荐服务。     

基于关联规则的推荐系统在数字图书馆中的应用

阐述和分析了数据挖掘中关联规则的算法,提出了在数字图书馆中构建推荐系统模型。本文采用Apriori算法,并根据实际的应用对算法进行改进,克服算法弱点,提高推荐精度,实现数字图书馆的个性化服务。     

基于多Agent的电子商务个性化推荐系统模型研究

针对现有推荐系统缺乏智能性、自适应性、主动性等处理能力的局限性,采用多Agent技术并结合Web日志挖掘技术,将传统的个性化推荐系统中的功能模块构建为智能体,提出了一个基于多Agent的电子商务个性化推荐系统（MAPRS）的整体架构模型,并讨论了模型中各组成部分的功能与系统的运作流程。     

基于三层维度的文献个性化推荐模型研究

【目的/意义】大数据情报分析和知识服务时代,如何快速高效地从海量文献中获取情报并实现精准的文献 个性化推荐,是文献推荐个性化服务亟待解决的问题。【方法/过程】对文献个性化推荐模型进行研究,通过专家权 重维、用户维以及情境感知维三个维度的协同,识别用户的兴趣点。推荐模型使用层次分析法和熵权法量化专家 意见;使用潜在狄利克雷分布和KL散度计算量化用户相似度;通过用户社会标注行为、搜索行为、浏览行为得到用 户情感倾向,并引入时间因子量化用户情感;最后引入“最大频度值”确定各个维度的推荐指数,加权计算得到文献 综合推荐指数。【结果/结论】以高校图书馆为实验平台,对本文提出文献个性化推荐方法进行验证。实验结果表 明,与传统的基于内容的推荐方法、协同过滤推荐方法以及混合的推荐方法相比,基于三层维度的文献个性化推荐 方法在准确率与召回率上都取得了更好的性能。     

基于关联规则挖掘的Web个性化推荐研究

随着Internet的普及和WWW的迅猛发展,网上信息呈指数增长,如何能在这个浩若烟海的信息空间中快速准确地查找自己需要的信息就显得十分重要.Web个性化推荐的目的是当用户在浏览网站时能够根据其特殊需求实时准确地推荐他可能感兴趣的相关网页,该项技术是提高网站服务质量和访问频率的一种重要手段.本文对典型的关联规则挖掘算法进行了分析和探讨,并在此基础上提出了一种新的应用于Web个性化推荐的关联规则挖掘算法,并深入讨论如何利用挖掘的关联规则进行个性化推荐.     

社会化标注系统中个性化信息推荐多维度融合与优化模型研究

[目的/意义]在社会化标注系统自组织运行的基础上，构建个性化信息推荐的多维度融合与优化模型，进而在大数据环境下，为用户提供精准的个性化信息推荐服务，从而进一步丰富个性化信息推荐的理论体系以及拓展个性化信息推荐的研究方法。[方法/过程]首先，对每一种个性化信息推荐方法的优点和不足进行深入分析；然后，将基于图论（社会网络关系）、基于协同过滤以及基于内容（主题）3种个性化信息推荐方法进行多维度深度融合，构建个性化信息推荐多维度融合模型；最后，对社会化标注系统中个性化信息推荐多维度融合模型进行优化，从而解决个性化推荐过程中用户"冷启动"、数据稀疏性和用户偏好漂移等问题。[结果/结论]通过综合考虑现有的基于图论（社会网络关系）、基于协同过滤以及基于内容（主题）的个性化信息推荐方法各自的贡献和不足，实现3种方法之间的多维度深度融合，并结合心理认知、用户情境以及时间、空间等优化因素，最终构建出社会化标注系统中个性化信息推荐多维度融合与优化模型。     

融合用户社交与情境信息的虚拟知识社区个性化知识推荐研究

[目的/意义]通过融合用户社交与情境信息,构建虚拟知识社区个性化知识推荐模型并开展个性化知识推荐算法的设计,能够在一定程度上完善虚拟知识社区个性化知识推荐方法的理论体系,具有一定的理论价值和应用价值。[方法/过程]首先构建出基于用户社交与情境信息的虚拟知识社区个性化知识推荐模型,然后利用改进的最大团算法设计出虚拟知识社区个性化知识推荐算法,最后通过选取某虚拟知识社区的用户数据进行实例分析实现精准的个性化知识推荐。[结果/结论]在利用融合用户社交与情境信息进行虚拟知识社区个性化知识推荐过程中,通过对某虚拟知识社区的实例分析,表明其个性化知识推荐结果的精准度得到了显著的提升。     

数字图书馆个性化推荐用户信息采纳行为影响研究——信息采纳意向的中介效应

[目的/意义]本文从用户信息采纳行为的视角出发，通过信息采纳意向的中介效应针对数字图书馆个性化推荐的影响因素进行研究。[方法/过程]在计划行为理论的基础上构建了数字图书馆个性化推荐信息用户采纳行为模型，并通过实证研究对该模型进行检验与分析。[结果/结论]数据分析结果表明：信息采纳意向在感知有用性、用户期望、信息质量及主观规范对数字图书馆个性化推荐用户信息采纳行为的影响作用中均有中介效应。     

基于多源用户标签的跨域兴趣融合模型研究

【目的/意义】通过对大数据环境下的多源用户兴趣特征有效融合,缓解个性化推荐中用户兴趣偏好数据的稀疏性和准确性问题。【方法/过程】考虑到多域的数据权威度、内容质量及体系结构的差异化较为明显,提出了基于多源用户标签的跨域兴趣融合模型,首先把多个域中的用户兴趣进行标签化处理,然后利用跨域用户识别和标签权重归一方法得到多个域的用户实体-标签矩阵,最后使用域权重影响系数对标签进行融合,构造具有复合权重的用户兴趣标签集。【结果/结论】使用5个来源数据域进行实验与分析,融合模型能够有效提高标签用户覆盖效果,在查全率不断提高的情况,融合域能够保持较高的标签用户查准率,有效提高用户兴趣特征的描绘效果。     

面向高维数据环境的个性化推荐质量控制模型研究

[目的/意义] 在高维数据环境下,推荐的精准度和实时性存在相互制约的现象。如何在精准度与实时性之间取得平衡,实现对推荐质量的有效控制是值得研究的问题。[方法/过程] 本文首先分析了高维数据环境的成因及其对推荐质量的影响,在此基础上构建了一种个性化推荐质量控制模型,该模型先评估推荐质量在精准度和实时性两个方面的损失,再结合应用环境,得到相应的质量控制策略。[结果/结论] 实验分析的结果证明该模型可以在高维数据环境下实现对推荐质量的有效控制,让推荐系统可以更好地适应不同的应用环境。     

基于SOA的混合个性化推荐平台研究

文章分析推荐系统的国内外研究现状,总结传统推荐系统的不足,据此提出一个基于SOA的混合个性化推荐平台改进方案。在平台的基础上构建基于SOA的混合推荐模型,对影响模型内推荐策略选择的内部因素和外部情境因素进行了详细分析,并指出该平台的优势和实施时应注意的问题。     

基于情境感知的高校移动图书馆知识资源推荐研究

【目的/意义】基于情境感知的个性化推荐技术引起了广泛关注,成为新的研究热点,本文针对高校移动图 书馆提出一种基于情境感知的知识资源推荐模型。【方法/过程】融入情境因素,通过基于改进受限玻尔兹曼机的协 同过滤算法来实现读者所处移动情境下的知识资源推荐。并通过真实数据集进行实验验证。【结果/结论】提出的 基于情境感知的知识资源推荐模型和算法,具有较高的准确度和效率,能够有效解决移动环境下高校读者个性化 知识资源推荐问题。     

Hybrid collaborative filtering model for consumer dynamic service recommendation based on mobile cloud information system

The rapid development of the web has led to a considerable increase in information dissemination. Recently, personalized web service recommendation has become a popular research area in service computing. Research on web service recommendation systems mainly addresses two problems: prediction and completion of sparse QoS data, and the user's personalized recommendation. To address the issue of high data sparsity and low recommendation accuracy in the traditional service recommendation models under mobile cloud, this study presents a hybrid collaborative filtering model for consumer service recommendation based on mobile cloud by introducing user preferences. The example verified that the service recommendation based on the model can effectively reduce the data sparsity and increase the accuracy of the prediction.     

基于标签的个性化信息推荐系统动力学模型与仿真

基于系统与控制理论, 通过分析标签系统中标签、用户、资源的关系, 运用系统动力学的方法分析个性化信息推荐的过程及影响因素, 在此基础上构建信息推荐的系统动力学模型, 并采用vensim PLE软件对模型进行仿真, 最后通过对模型的有效性验证分析, 揭示了信息推荐的特性及机理, 为进一步研究基于标签的个性化信息推荐动态演变提供研究思路。     

基于社会化标注的用户兴趣发现及个性化推荐研究

基于标签的个性化推荐应用越来越普遍,但是标签带有的语义模糊、时序动态性等问题影响着个性化推荐质量,现有研究仅从数量和结构上考虑用户与标签的关系。基于社会化标注系统的个性化推荐首先对融合社会关系的标签进行潜在语义主题挖掘,然后构建多层、多维度用户兴趣模型,提出模型更新策略,最后实现个性化推荐。采集CiteUlike站点数据进行实验分析,结果表明改进算法比传统算法更准确表达用户兴趣偏好,有效提高了个性化推荐准确率。