基于二分网络的推荐算法研究进展

全面总结和介绍基于二分网络的推荐算法研究现状,旨在介绍基于二分网络推荐算法的思想和各种优化方法,帮助读者了解这个研究领域.先介绍了二分网络推荐算法研究的背景和基于物质扩散和热传导的两种基本二分网络推荐算法,然后总结了8大类的优化算法,最后指出了当前还未研究的但还值得进一步研究的地方,并对大数据环境下基于二分网络的推荐算法进行了展望.     

发送者和接受者能力的二分网络推荐算法研究

在大数据时代,推荐系统在电子商务等领域中发挥着越来越重要的作用.本文通过对现有的基于二分网络推荐算法进行分析总结,提出了TAA算法,并将该算法同物质扩散算法、热传导算法、偏热传导算法、混合算法和接收者能力算法在Movielens数据集上进行对比实验,实验结果表明该算法推荐结果的准确率和召回率均优于现有的5种算法.     

算法推荐的实践与认知研究北大核心

互联网带来的大量用户数据和用户面对海量网络信息时的选择障碍,共同推动了算法推荐的产生。算法推荐在市场营销中大获成功后,迅速被引入新闻传播行业,不仅引发新的传播革命,也带来一系列伦理和社会治理问题,学术界对其研究从技术范式转向哲学社会科学范式,对算法推荐的批判被迅速接纳,推动了相关政策和实践的发展。     

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.     

一种地方志资源的混合推荐模型

针对当前地方志网站资源数量庞大,用户难以获取感兴趣的方志资源的问题,基于协同过滤技术,并结合TopN和改进的关联规则算法,提出一种混合推荐模型。该模型整合了TopN和改进的关联规则推荐以及协同过滤推荐的优点,利用方志标签对推荐结果进行筛选。实验结果表明,应用混合推荐模型不但能解决当前推荐技术普遍存在的用户评价信息稀疏、内容特征提取难度大、新用户推荐等问题,而且相比于单一的推荐技术在推荐质量上也有一定程度的提高。图3。公式5。参考文献8。     

基于协同过滤的档案资源智能推荐算法研究

档案资源检索智能化是实现档案智能服务的关键突破点。协同过滤是实现档案智能化服务的一项重要技术。推进档案智能服务实现,要求应用的实现算法具有较好的克服数据稀疏性、冷启动等问题的能力,并具备较低的时间与空间代价,同时具有较好的适应性。为此针对性地提出应用于档案智能服务的协同过滤改进算法,通过数学证明分析和在典型数据集上的实际测试,表明该算法可较好地用于档案资源智能推荐,促进档案智能服务落地实现。     

基于用户画像的图书推荐算法实证研究

个性化推荐算法能够帮助读者从图书馆海量馆藏中发现所需图书,有助于提高馆藏利用率和读者服务效率。文章以高校图书馆图书数据、读者数据和借阅数据为数据源,从中抽取关键词构建图书画像和读者画像;利用向量空间模型计算图书与读者之间的相似度,向读者推荐与其相似度排名靠前的图书;并进行推荐算法效果实证分析,揭示著录数据、读者类型、推荐窗口等变量对推荐准确率的影响。     

基于混合图的在线社交网络朋友推荐算法

针对在线社交网络朋友推荐问题,尝试融合多个社会网络为一个混合图模型,采用基于混合图模型的重启动随机游走算法,为用户提供个性化的朋友推荐,并通过参数调节多个网络的权重。实验表明,该算法提高了在线社交网络朋友推荐的准确性。     

基于改进用户兴趣点度量方式的推荐算法研究

推荐算法是个性化推荐系统中最为核心的一部分.文本通过给出产品流行性定义,提出了一种改进的用户兴趣点度量方法,进而将用户的兴趣点嵌入到基于物质扩散原理的推荐算法中.新算法引入参数β度量产品的推荐权重与用户兴趣点之间的关系.MovieLens数据集上的数值结果表明新的用户兴趣点定义方法可以同时改进推荐算法的准确度和推荐列表多样性,当采用60%的数据作为训练集时,多样性可以提高13.15%.进一步的结果表明当训练集很稀疏的时候,应当赋予与用户兴趣点不同的产品更高的推荐能力,随着稀疏度增加,赋予与用户兴趣点相近的产品更多推荐能力可以大幅度提高算法的表现.     

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.     

一种集成客户终身价值与协同过滤的推荐方法

提出一种加权RFM与协同过滤相结合的集成推荐方法,对由"Web数据挖掘"隐式收集的客户评价数据进行协同过滤处理,应用加权RFM对相似用户聚类结果加以改进,从而更有效地发现推荐规则,提高推荐质量。同时应用产品分类树(PT)对产品进行预处理,以减少计算空间的复杂度。实验评价结果表明该方法无论在推荐精度还是推荐相关性上都更为有效。     

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。     

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GIS的房产导购信息系统研究与设计

为解决购房者在购房决策中面临的房地产信息不对等、价值分析不直观、不全面等问题和难点,介绍GIS技术在房产信息分析中的应用情况,研究与设计以购房者为中心导向的房产导购信息系统,采用临近查询、基于层次分析法的对比分析等功能,较全面地搜集调查房产信息,量化分析相关信息,以期辅助购房者决策。     

基于多层次模糊综合评价的复合图书馆信息资源评价指标体系研究

本文进一步界定了复合图书馆的特征及馆藏的特点,根据其特点确定了复合图书馆资源评价指标构建的原则;在分析影响复合图书馆馆藏及利用影响因素的基础上,建立了基于多层次模糊综合评价模型的复合图书馆资源评价的指标体系,并把专家调查法与层次分析法结合确定了各项指标对总目标的权重值.     

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。     

基于后缀树的中文新闻重复网页识别算法

针对识别中文新闻重复网页传统方法的不足,提出以后缀树作为基本数据结构,依据新闻网页的标题性和时间性,构建中文新闻重复网页识别算法。该算法以Ukkonen算法和Matching Statistics算法为基础,并对其具体实现进行优化。实验结果表明,该算法不仅具有有效性,而且对计算字符串相似度也有启发意义。     

基于UML的动态电子商务系统建模研究

分析电子商务系统内涵及其与ERP系统的关系,阐述B2B模式企业电子商务系统CRM、SCM等业务流程,构建制造企业电子商务系统模型,研究利用扩充UML元模型定义企业建模方法。采用UML相应方法建立企业的电子商务系统工作流视图、功能视图和资源视图。以一个钢铁集团公司电子商务系统为例,建立一个典型的流程型制造企业的企业模型,提出相应的应用软件框架,实现动态企业建模在电子商务系统生产管理中的应用。