构建个性化档案数据服务引擎研究

实现档案用户个性化服务,是大数据时代档案馆必然的发展方向,而实现档案个性化服务,最关键的是用户所获得信息内容的个性化。因此,建设档案数据个性化推荐系统是构建个性化档案数据服务引擎的核心任务。当前应通过恰当的技术选择、合理的系统架构设计来实现档案数据个性化推荐系统,并在实践中依据用户满意度对该系统综合调优,使所建立的服务引擎不断完善和进步。     

基于Hadoop与Mahout的协同过滤图书推荐研究

基于Hadoop开源分布式计算框架和Mahout协同过滤推荐引擎技术构建图书推荐引擎系统,并利用云模型和Pearson系数对传统协同过滤推荐算法进行改进,改善传统单机推荐算法在高维稀疏矩阵上进行运算所导致的系统性能不佳及推荐结果不准确的问题。利用实验对分布式推荐平台的整体性能及改善后的协同过滤推荐算法进行测试评估,发现当虚拟机节点不断增加时,协同过滤推荐引擎的计算时间不断减少,这表明推荐引擎系统的总体性能较传统单机推荐引擎得到提升;利用MAE分别对原始协同过滤推荐效果和改进后的推荐算法进行测评,发现改进后的推荐引擎算法的推荐准确率较改进前提高13.1%。     

科研信息用户与知识服务平台个性化信息推荐功能的交互研究

[目的/意义]开展科研信息用户与知识服务平台个性化信息推荐功能的交互研究,有助于提升对用户推荐交互行为的理解,改善平台的推荐交互设计,从而提升推荐功能的用户体验;也可为优化推荐算法,提升推荐内容有效性提供指导。[方法/过程]招募36名参与者,采用实验研究方法,以CNKI和ScienceDirect为实验平台,利用Morae收集数据,开展用户研究。[结果/结论 ]研究揭示用户与推荐功能的交互行为、交互路径与交互路径链。主要揭示用户与个性化信息推荐交互的4个阶段、9种交互行为特征及4种交互路径类型;用户对推荐的关注源于检索结果无法满足他们的信息需求。研究发现采纳推荐能够启发用户,进一步影响他们与平台的交互。研究也表明,当前知识服务平台的推荐质量有待提升,用户对推荐的采纳使用率较低,常用的推荐交互路径较短,趋于简单化。     

搜索引擎相关关键词推荐的对比研究

分别从用户对搜索引擎推荐的相关词列表的满意度、用户对利用搜索引擎推荐的相关词进行二次检索得到的网页列表的满意度,以及同义词对的相互推荐能力三个方面对三大主流中文搜索引擎Google、百度和雅虎进行对比分析,得出一些较有说服力的结论.此外,通过分析发掘出搜索引擎相关词推荐功能的不完善之处,提出一些改进建议.     

构建档案用户数据分析引擎的研究

本文提出了大数据时代档案馆建立用户数据分析引擎的基本架构,论述了当前档案馆实现和部署用户数据分析引擎需要进行的主要工作;并结合自身项目研究,展示了分析引擎若干典型功能的实现策略,以助于各档案馆用户数据分析工作的开展.     

WWW检索引擎Excite的研究与利用

介绍了WWW著名检索引擎Excite的发展及检索技术,针对其检索方式与检索特点进行了深入的分析研究,并在此基础上向用户介绍推荐了Excite的中文检索站点。     

体育类“头条号”传播的实践与思考

“今日头条”是一款基于数据挖掘的推荐引擎产品,通过技术算法实现对内容的快速导流和精准推荐,提升了用户体验,但内容总是缺点“干货”,“头条号”正是弥补这一缺陷的“杀手锏”.体育类“头条号”在我国体育自媒体中具有标杆作用,本研究探析其传播实践,并思考未来的创新路径. “头条号”传播发展概述 “头条号”是“今日头条”针对媒体、国家机构、企业以及自媒体推出的专业信息发布平台,致力于帮助内容生产者在移动互联网上高效率地获得更多的曝光和关注,实现精准的品牌传播和内容变现.     

“今日头条”的竞争优势与传播学解读

“今日头条”是一款基于数据化挖掘的个性化信息推荐引擎,于2012年8月推出。它以提供新闻等资讯信息为主,主要以客户端形式运行于智能手机平台。上线不到两年,用户数量已过亿,被传估值达到5亿美元。     

个性化关键技术研究综述

个性化研究的关键技术主要包括有三个方面的内容:用户建模、推荐系统和评价。首先,用户建模是收集用户数据,目的是为推荐系统提供用户的兴趣、偏好等建立模型;其次,推荐系统的作用是根据用户模型为用户推荐个性化内容,是个性化的核心内容;最后,评价系统根据用户对个性化应用的满意程度,反馈给推荐系统调整建模策略。个性化应用是一个不断反馈修正的过程。     

Research on Influence of Users' Cognition upon their Acceptance Behavior for Recommendation Technology

由于人类信息处理的认知约束,用户很难在信息过载的电子商务网站中快速找到与其需求想匹配的产品.尽管推荐系统有着提高用户快速找到产品效率的潜力,但这种潜力能否最终实现,取决于用户能否有效地接受和使用推荐系统.本文首先对推荐内涵和类型进行了总结,重点对事前和事后两种推荐类型进行了分析;其次对目前推荐系统在使用过程中存在的问题进行了分析;再次对推荐技术用户接受行为研究进行了总结;然后基于用户认知理论对推荐技术用户接受行为机理进行了深入研究;最后构建基于B2C网站的影响因素模型及实证分析,分析了用户认知风格差异对模型的影响,并基于模型验证结果对卓越网推荐系统使用问题及影响因素进行分析.     

网络视频产业的美国个案

Netflix是美国经营比较成功的在线视频播放服务商。本文以Netflix的经营模式作为研究对象,从它的传播发展模式、盈利模式与推荐引擎三个方面来探析它的成功之处。新媒体语境下,流媒体服务已成为视频网站竞争的热点,Netflix会员付费制模式具有很大的优点,它围绕此业务来优化推荐系统,为用户提供贴心服务,维持并吸引更多用户。Netflix的经营模式对当今视频网站的发展困境有较强的启示意义。     

异质网络资源多维度推荐模式研究——以豆瓣网为例

[目的/意义]针对某些包含多级用户和多级资源的异质网络,在总结其各种异质模态的基础上提出一种多维度推荐框架MDRM,向目标用户进行好友和资源的推荐。[方法/过程]通过对用户、资源划分等级,在分析各种网络模态的基础上建立其异质关系;利用情感倾向分析得到二级用户——二级资源评分矩阵,借助协同过滤算法,实现同级用户和二级资源的推荐;基于异质关系,实现一级用户和一级资源的推荐,最终实现多维度推荐。[结果/结论]在以豆瓣网数据作为数据集的实验中取得了较好的效果,说明MDRM模型适合某些异质网络资源的推荐。     

融合关系强度和兴趣的好友推荐方法研究

[目的/意义] 利用三度影响力理论,从网络结构的角度进一步拓展用户关系连接,提高社交网络好友推荐的效率。[方法/过程] 首先,计算用户之间的关系强度,并筛选关系强度较大的用户集合;然后,通过用户共同关注的内容计算用户兴趣相似度;最后,融合用户关系强度和兴趣相似度实现好友的推荐并通过实际数据对所提方法进行实证检验。[结果/结论] 实验结果表明,融合关系强度和兴趣的社交网络好友推荐方法具有较好的效果,可为用户推荐提供参考和借鉴。该方法进一步完善社会化推荐理论。     

推荐引擎：读懂你的消费欲望

输入“推荐引擎”这四个字,不到一秒钟,中国搜索引擎百度就找到了464万个链接,但是大部分人往往还没有读到第五条,便已丧失耐心继续再看下去了。在互联网世界,每一处让用户体验不爽的地方,往往暗藏着巨大的商业机会。     

新闻算法推荐的信息可见性、用户主动性与信息茧房效应:算法与用户互动的视角

算法已成为当今数字媒体技术的决定性因素,新闻推荐平台借助算法技术连接人与信息,为人们提供个性化的新闻服务。本研究基于算法和用户互动的视角,采用问卷调查方法,以新闻算法推荐平台的使用者为研究对象,探讨算法推荐的信息可见性、用户主动性和信息茧房效应。结果显示,新闻算法推荐整体上以用户为中心,在新闻可见性上,用户对趣味新奇性价值的认知感最强,新闻个性化程度凸显;用户对新闻推荐的使用上,以被动浏览行为最为普遍,自主性总体不高;用户对推荐算法技术有一定了解,表现出一定的算法素养;算法推荐对用户并未造成单纯的信息茧房效应,它同样可扩大受众接触资讯的范围,将用户带入更广阔的世界。最后,本文讨论了用户和算法之间的关系,发现两者不是彼此孤立的存在,而是始终处于相互响应、相互发展的状态。     

融合情境关系的社会化媒体用户兴趣推荐

[目的/意义]用户兴趣推荐是信息服务中的重要内容,针对目前融合情境信息推荐的研究更多是直接将情境作为单因素而缺乏考虑情境关联的思想,本文以情境关系为切入点实现社会化媒体用户的兴趣推荐。[方法/过程]以具有相似情境用户可能具有相似兴趣为假设,来改进用户原始兴趣网络从而实现推荐。通过社会网络和资源相似性计算构建原始兴趣网络中显性网络和隐性网络;借鉴共现原理和情境本身相似性构建情境网络;通过兴趣传递关系计算直接兴趣度与间接兴趣度;最后借鉴协同过滤的思想实现推荐。[结果/结论]与以往的只考虑单一情境因素的推荐方法相比,基于本方法的实验表明,将情境关系融入到推荐过程中不仅可以扩展用户的社会关系,而且可以得到更好的推荐效果。     

一种基于Rough集理论的最近邻协同过滤算法

目前协同过滤被广泛应用于数字图书馆、电子商务等领域的个性化服务系统.最近邻算法则是最早提出和最主要的协同过滤推荐算法,但用户评分数据稀疏性严重影响推荐质量.针对上述问题,提出了一种基于Rough集理论的最近邻协同过滤算法,以用户评分项并集作为用户相似性计算基础,并将非目标用户区分为无推荐能力和有推荐能力两种类型;对于无推荐能力用户不再计算用户相似性以改善推荐实时性,对于有推荐能力用户则提出一种基于Rough集理论的评分预测方法来填补用户评分项并集中的缺失值,从而降低数据稀疏性.实验结果表明新算法能有效提高推荐质量.     

用户认知视角下在线问诊平台医生推荐研究

[目的 /意义]针对在线问诊平台中医生推荐满意度较低的问题,探究如何将信息技术与用户认知相结合以提升医生推荐系统的效果,有助于优化在线问诊平台的用户体验。[方法 /过程]首先,基于1 500名医生的基本信息和78万余条用户提问,对比TF-IDF、Doc2Vec和Word2Vec三种词向量模型的医生推荐效果,以最优模型构建医生推荐系统原型;然后,通过用户实验和访谈获取用户使用该系统的行为数据,深入挖掘在线问诊平台医生推荐情境中的用户认知与意义构建过程;最后,从用户角度提出模型优化思路,实现原型系统的改进。[结果/结论 ]基于Word2Vec词向量模型的医生推荐效果最优,前10位医生候选集中88%的医生有能力回答用户问题;用户实验结果显示,科室信息与医生专业极大影响用户选择,医生曾回答过的相似问题是用户的重要参考信息;基于以上结果,提出并实现建立科室预测分类器以及为健康医学关键词赋予较高权重的两种模型优化思路,并通过匹配度指数对医生推荐结果进行优化排序。结果表明,两种方法均可提高医生推荐系统的准确度,证明用户认知与人工智能算法结合具有可行性。     

移动社交网络用户对产品推荐信息反应意愿研究

[目的/意义]研究移动社交网络情境中用户与联系人关系、用户感知联系人行为如何影响用户对产品推荐信息反应意愿,并就研究结果提出管理对策。[方法/过程]通过手机微信平台收集的316份有效问卷,运用偏最小二乘回归法对数据进行分析。[结果/结论]结果表明：对联系人推荐的认知信任和情感信任正向影响用户对产品推荐信息反应意愿;亲密度和过去经历正向影响联系人推荐的认知信任和情感信任;过度发布行为负向影响联系人推荐的认知信任和情感信任。但是,相似性与对联系人推荐的认知信任和情感信任之间关系未获得支持。     

专题型搜索引擎用户分析

通过对专题型搜索引擎的用户进行问卷调查,基于调查结果的统计与分析,从用户的视角来考察和评价当前专题引擎的发展现状,并以此为依据,对专题引擎的发展提出建议。