基于关联规则的个性化图书推荐研究

运用关联规则的数据挖掘方法,从图书馆的借阅历史数据中挖掘出了两类关联规则：相关书籍和相似读者,并根据这两类规则实现相关的图书推荐服务。     

基于SOM聚类的个性化图书推荐研究

个性化推荐是图书馆个性化信息服务的主要方式之一。本文在传统推荐算法的基础上,提出了一种基于SOM聚类的个性化图书推荐方法,该方法结合中国图书馆分类法对读者的借阅信息进行分析,并利用SOM网络对借阅文档进行聚类。利用个性化推荐技术来调整图书馆的信息服务模式,推送最贴近读者需求的信息给读者,从而提高图书馆馆藏资源的利用率和图书馆的服务质量。     

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。     

高校图书馆个性化图书推荐系统设计

应用数据挖掘技术对高校图书馆日常产生的数据进行挖掘,设计一个适合图书馆使用的个性化图书推荐系统。该系统具有2个关键功能：读者个性化推荐功能和管理者采购推荐功能。     

基于专家系统的电子商务个性化推荐技术

电子商务个性化推荐技术利用电子商务网站向不同客户提供具有针对性的购买建议。根据网络消费者的购买流程,设计专家系统的咨询子系统、数据库子系统和结果子系统,设计推荐规则和推荐形式,采用启发式搜索提高推荐速率,提高商品成交量。     

基于语义扩展的个性化知识推荐技术研究

本文在分析用户文档和文献个性化推荐特点的基础上,提出了一个基于语义扩展的个性化推荐方法.试验结果表明,采用本方法在提高用户满意度上明显优于传统的基于关键词的方法.     

个性化信息推荐服务模式

作为一种重要的解决信息过载问题和提供个性化服务的方案,信息推荐服务已经成为各类信息系统的一项基本功能.从用户的角度分析了信息推荐服务的五种基本模式.     

基于协同过滤技术的个性化课程推荐系统研究

本文通过对个性化推荐技术涵义的叙述,提出基于个性化推荐技术中的协同过滤技术构筑个性化课程推荐系统平台,并且对系统平台的设计与实现过程进行了阐述。     

基于标签聚类与用户模型的个性化推荐方法研究

社会标签系统是Web2.0中提出的概念,旨在更好地表达用户的兴趣和意愿。而标签聚类是社会标签系统的个性化推荐中一个重要的研究课题。本文研究了如何基于标签聚类与用户模型来进行个性化推荐的方法。通过计算标签的相似度进行标签聚类,结合用户模型,根据标签聚类结果做出推荐。通过采用CiteULike公布的数据集进行实验证明,与未采用标签聚类的推荐方法相比,本方法不仅可提高推荐的命中率,优化目标资源的排名,而且能为用户发现更多新的感兴趣的资源。     

基于云计算层次架构的安全框架研究

云计算安全问题是限制云计算发展的主要问题,一直是IT 界研究的热点。介绍了云计算的特点和服务模式,总结了云计算的安全问题,最后根据云计算的层次架构探讨了解决各层次安全问题的安全策略,并在此基础上提出了一种云计算安全框架。     

基于MADM方法的个性化推荐研究

个性化推荐服务可以帮助用户便捷高效地获取所需的商品,本文通过将语言标度引入到MADM方法中的模糊语言量词引导OWA算子方法中,利用Web用户反馈的不完全信息来分析具体信息用户偏好,向具体用户推荐其可能感兴趣的商品来提高用户的忠诚度。     

基于TOPSIS算法的个性化推荐研究

个性化推荐服务可以帮助用户克服信息过载问题,受到广泛的关注.虽然目前的个性化推荐方法较多,但大多数方法与用户之间的交互性不强,很难满足用户个性化需求.鉴于TOPSIS方法是一种常用的有限方案多属性决策分析法,对对象评估既全面又客观,所以将其用到了个性化推荐研究之上,进而提出了基于TOPSIS算法的个性化推荐模型及其算法,最后通过举例表明了该算法能够较好地与用户进行交互,同时能够为用户提供满足其需求偏好的个性化推荐.     

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。     

基于云计算模式的图像检索研究

以Web2.0技术为代表的现代技术快速发展及应用,加速了网络信息容量的膨胀。如何从如此庞大的信息源筛选出用户所需的信息,尤其是图像信息,则必须对这些信息进行高效地检索。图像检索传统算法上的改进难以解决海量数据存储、计算及传递等一系列问题,云计算作为一种新兴的计算模型,对解决图像检索发展遇到的瓶颈有着极其重要的推动作用。     

基于商品属性与用户聚类的个性化服装推荐研究

淘宝网作为电子商务时代最大的网上零售平台,为用户提供越来越多的商品与服务的同时,也出现了信息过载等一系列问题。鉴于此,本文提出了基于商品属性与用户聚类的个性化服装推荐方法,通过用户个人信息与对商品的评价,计算用户之间的相似度,进行聚类分析。与此同时,将商品化整为零,通过商品属性来计算商品的相似度,得到top-N相似列表。以此,综合商品与用户两者的权重值,实现为用户提供个性化的商品推荐,解决用户面对信息过载的难题,为用户节省精力,提高用户的购物体验。针对某一淘宝网店铺,本文提出了适合的混合推荐算法,并通过搜集实际数据进行了实证研究,对推荐结果进行准确性评价。