基于知识的协同过滤推荐系统研究

传统的基于项目的协同过滤算法,不能很好地解决数据稀疏和新项目问题(冷启动)带来的推荐质量下降的问题.笔者从智能检索的思想出发,提出一种新的基于知识的协同过滤推荐算法.该算法借助于领域本体,表达语义知识,增加了项目之间的关联信息;考虑到领域本体中结点、边、深度和密度对相似性计算的不同影响,算法结合信息论中的互信息相关概念,对相似性计算公式进行改进,提高了运算精度.实验结果表明,该算法相对于传统的基于项目的协同过滤推荐算法而言,可有效缓解由数据集稀疏和冷启动带来的问题,显著提高推荐系统的推荐质量.     

个性化推荐系统中的用户模型问题

个性化推荐系统已成为图书馆提供个性化服务的重要手段，而用户模型则是个性化推荐系统的基础和核心。然而基于关键词的用户模型已经不能够适应用户的个性化信息需求，本文提出了基于ontology的用户模型的设想。     

国内电子商务个性化推荐系统改进研究

通过对国内电子商务网站个性化推荐应用情况及“当当推荐”推荐效果的统计分析,总结目前个性化推荐系统存在的不足,据此提出一个基于SOA的系统架构和基于领域知识的组合式推荐模型组成的系统改进方案,并指出方案的优势和改进措施。     

基于遗传算法的群体推荐系统研究

由于一对一定制化沟通的实现,能最好满足消费者需求的"推荐信息"日趋重要.传统网络推荐技术在支持个人决策行为的过程中非常有效,但却很难运用于群体决策过程之中.在本项研究中,我们提出了一种全新的方法来为群体成员进行商品推荐.这种方法考虑到群体决策过程中会受到群体成员间交互作用的影响,不同意见在群体中的重要性存在的差异.基于商品的协同过滤算法,通过使用GA方法用来学习群体偏好解决子群体的未知评分问题.实验的结果显示,我们提出的方法能够提供高质量的群体推荐意见,并可以广泛运用于群体推荐过程中.     

数字图书馆推荐系统研究

信息推荐服务是数字图书馆的一项重要的功能。文章论述了数字图书馆推荐系统的基本原理与特点、功能及意义,介绍了数字图书馆信息推荐的主要方法和技术,并对当前数字图书馆推荐系统的主要应用进行实例分析。     

推荐系统在档案知识服务中的应用研究

论文探讨了推荐系统用于提高档案知识服务主动性、针对性与个性化中的价值问题,并依据推荐系统通用模型,构建了推荐系统在档案知识服务中的应用模式,然后列举推荐系统在档案知识服务中的典型应用.     

文献推荐系统综述

文献推荐系统帮助用户在海量文献环境下发现个性化的信息,已经成为文献检索系统的重要组成部分。文献推荐技术研究在信息检索、文献计量学与电子商务推荐系统研究成果综合演变下发展起来。首先讨论了一般个性化推荐技术;进一步对文献推荐技术已经取得的研究成果进行了系统的分析与总结;同时,介于评价测度与方法是推荐系统的重要组成部分,给出了常用的文献推荐系统的评价测度;最后,对文献推荐系统研究现状作出总体评价并指出将来的发展方向。     

音乐推荐系统性能调查探究

随着国内移动音频行业的快速发展,各类音频客户端推荐系统存在的问题也在不断显现。利用 分析工具 R,对国内某音乐客户端行业报告中数据进行分析,探讨其推荐系统存在的问题、分析原因, 最后给出解决这些问题的若干措施,以期国内移动音频行业能够重视其推荐系统的构建、优化和维护, 提高用户忠诚度和满意度,更好的推动其业务的发展。     

中文问答系统模型研究

问答系统是信息检索的高级形式,也是该领域的研究重点和热点。本文较全面地分析了中文问答系统所涉及的关键技术和知识资源平台,提出了一个完整的中文问答系统处理模型,对系统的运行机制和处理流程作了清晰的描述,最后详细讨论了问答系统中的两个关键算法,即形式化扩展算法和答案抽取算法。     

基于情境感知的用户推荐系统研究综述

[目的/意义]对基于情境感知的用户推荐系统研究进展进行调研和总结,探讨其存在的问题,指出未来的研究趋势和挑战。[方法/过程]采用文献分析方法,从基于情境感知的用户推荐系统框架角度,分析各功能模块的实现技术和方法,并进行归类总结。[结果/结论]提出用户情境检测、获取和计算、情境不一致检测和解决方案、用户情境建模、情境感知推理、情境感知推荐过程的未来研究热点。本研究有助于全面了解基于情境感知用户推荐系统的概貌、涉及的关键技术及主要方法。     

基于Word2vec的图书馆推荐系统多样性问题应用研究

图书馆个性化推荐系统强调推荐的精准性,无法满足读者的多样性需求。本文将深度学习算法引入图书馆推荐系统,探讨推荐多样性的问题。首先,依据历史借阅数据,结合时间序列,形成读者借阅行为的共现矩阵;然后将共现矩阵看作上下文的语境,利用Word2vec的潜在语义分析特性,识别读者可能的兴趣;最后挖掘读者可能的兴趣,并提供多样性的推荐结果。本文选取上海浦东图书馆541万余条借阅数据进行实验,对比关联分析的结果,验证了该方法在推荐多样性方面具有较好的效果。     

基于信任的电子商务推荐多样性研究

现有的推荐系统研究大都千方百计地关注于如何提高推荐算法的准确性,考虑到用户兴趣的覆盖范围,这样做的缺陷是只考虑了推荐列表中单个项目的准确度,而忽略了整个推荐列表多样性对用户满意度的影响.近几年的研究表明将信任机制融入到个性化推荐过程中对提高传统协同过滤技术的准确性和鲁棒性有积极的影响,本文提出了基于社会网络信任的推荐多样性算法,该算法通过选择主题多样性好的信任邻居来平衡推荐结果的准确性和多样性.一系列的实验结果表明,该算法能有效地提高推荐的多样性.     

利用社会化标签实现P2P语义推荐

针对P2P环境下采用关键字匹配实现信息检索的不足,引入社会化标签,建立基于语义的个性化推荐模型。首先利用P2P节点用户输入的标签及其类名构建P2P社区的标签本体,显示出标签之间的等级关系,然后通过用户历史标签集与社区标签本体匹配,推荐与用户历史标签集语义相关的标签或资源,最终实现语义推荐。最后对模型进行实例验证。     

协同过滤系统中基于种子集评分的新用户冷启动推荐研究

认为建立种子集引导用户评分是解决协同过滤推荐系统新用户冷启动问题的方法之一。尝试将关联度引入种子集的构建策略,提出基于多属性综合评价的种子集策略,并利用公开数据集MovieLens设计实验,模拟推荐系统的新用户环境,对比不同种子集策略的预测准确度和成功率。实验结果表明,在更符合实际推荐系统需求的少量种子集情况下,考虑种子之间的关联性可以改善推荐效果。     

基于潜在语义分析和改进的HS-SVM的文本分类模型研究

为提高文本分类的准确性与效率,提出一种基于潜在语义分析和改进的超球支持向量机的文本分类模型。该模型利用潜在语义分析进行特征抽取,消除同义词和多义词在文本表示时所造成的偏差,实现文本向量的降维。针对超球重叠区域的文本分类问题,设计一种新的决策方法-基于密集度的决策策略。实验结果表明,该模型在类别数目较小时具有较好的分类效果,改进的算法有效可行。     

基于向量空间模型的专题文献过滤算法研究

本文从理论上探讨了向量空间模型及其改进模型在专题文献过滤中的相关算法。概念扩充模型解决了词的同义现象,提高了召回率;潜在语义分析模型通过统计方法,提取并量化这些潜在的语义结构,进而消除同义词、多义词的影响,提高文本表示的准确性,从而使专题研究中文献过滤的召回率和准确率都有显著提高。     

Latent Markov modeling applied to grant peer review

In the grant peer review process we can distinguish various evaluation stages in which assessors judge applications on a rating scale. Research on the grant peer review process that considers its multi-stage character scarcely exists. In this study we analyze 1954 applications for doctoral and post-doctoral fellowships from the Boehringer Ingelheim Fonds (B.I.F.), which are evaluated in three stages (first: evaluation by an external reviewer; second: internal evaluation by a staff member; third: final decision by the B.I.F. Board of Trustees). The results of a latent Markov model (in combination with latent class analysis) show that a fellowship application has a chance of approval only if it is recommended for support already in the first evaluation stage, that is, if the external reviewer's evaluation is positive. Based on these results, a form of triage or pre-screening of applications seems desirable.     

基于潜在语义索引的特征选择与权重改进若干关键问题的研究与实现

分析潜在语义索引的基本原理及其特点。针对LSI的3个因素，从特征词的选取，维数约简，特征词权重3个方面进行约定和改进。并以计算机类的科技文献作为测试文档，对改进的权重算法和改进前后LSI系统的检索结果进行分析。结果显示，特征词的选择结果及检索效果都得到较大的提高，性能稳定。     

基于不完全模糊语言的高校数字图书馆信息资源推荐系统的构建研究

提出基于不完全模糊语言的高校数字图书馆信息资源推荐系统,该系统中,用户兴趣模型的建立不要求用户直接提供偏好信息,而是允许用户通过不完全模糊语言偏好关系来表达个人偏好,这样既为用户节省时间和精力,又能获取更加准确的用户偏好,从而大大提高推荐精度。系统同时还引入"用户协作偏好",有助于用户开展多学科研究或参与合作研究项目。