国内外大数据推荐算法领域前沿动态研究

大数据时代下,信息过载问题日益突出,使得大数据推荐算法研究显得尤为重要。本文基于Web of Science和中国知网的大数据推荐算法期刊文献数据,运用文献计量、共词分析和社会网络方法,从高频关键词共现、关键词主题演进、研究动态等方面对大数据推荐算法领域的总体情况进行量化比较研究。结果显示,国外大数据推荐算法在理论和应用的研究上都领先于国内,特别是在应用上的广度和深度是国内大数据推荐算法需要加强研究的方向。大数据推荐算法朝着个性化教育、个性化医疗、个性化社会网络服务等应用领域发展。本文对促进中国大数据推荐算法理论的纵深研究、深层次的应用研究以及向着国际化发展具有一定的指导意义。     

基于相似用户情感分析的推荐算法研究

互联网发展迅速,电商扮演了重要角色,大多数的电商仅仅根据用户评分进行推荐,日益庞大的用户评论数据并没有很好的运用到商品推荐当中。本文利用大数据的聚类技术结合情感分析算法,通过相似用户对物品的需求相似,结合用户对商品评价的情感分析,对评价的情感倾向的分析作出一些评判,给出了一个较好的推荐算法,使得推荐系统可以为用户进行更好的推荐,代替了传统根据评分推荐系统,对未来推荐系统的发展方向有正面意义。     

推荐系统中的算法

近些年随着大数据时代的来临,人们对于信息的需求量日益增多。那么,由此产生的一个自然的问题是:我们如何在浩瀚的数据海洋中尽可能准确地找到自己所感兴趣的内容呢?由此,在计算机科学领域中便产生了一个特定的研究领域——个性化的推荐系统。而推荐算法正是推荐系统的核心所在。个性化的推荐系统运用在生活的不同领域中,它主要是利用用户的行为数据和其之相关的物品属性等,通过特定的数学算法来达到向用户推荐所感兴趣信息的目的。现代个性化的推荐系统所利用的推荐算法可以分为4种,在这篇论文中,我们将分别来讨论这四种不同的推荐算法的特征。     

一种利用项目文本信息与评分信息的混合推荐方法

协同过滤推荐方法由于只利用用户对项目的评分数据,常常会遭遇到评分数据稀疏问题和项目的冷启动问题。本文提出了一种利用项目文本信息与评分信息的混合推荐方法。首先,利用doc2vec处理与项目相关的文本信息数据,通过对项目相关的文本信息数据进行无监督训练得到文本特征向量。然后,利用概率矩阵分解技术融合文本特征向量和评分数据两类信息进行训练,得到用户的潜表示和项目的潜表示,利用用户的潜表示和项目的潜表示可以对用户未打分的项目进行预测。通过实验验证,本文的混合推荐方法在没有显著降低预测精度的同时能够处理项目冷启动问题。     

计算机网络用户的偏好分析及话题趋势预测方法

大数据环境下定向推荐起着重要的作用,而用户偏好是定向推荐实现的前提,因此对用户的偏好进行分析并有效预测用户的话题趋势,对于社交网络等环境下的推荐系统有重要的现实意义。本文以微博为例,分析用户的偏好分析,并预测其话题趋势。     

简约HJ神经网络在图书馆个性化信息推荐中的应用

通过仿真实验得出,运用简约HJ神经网络原理可以从我们所收集查找到的信息中分离出和读者需求信息最接近的信息,这样可以大大降低我们个性化信息推荐的盲目性和低效性,从而更进一步提升我们图书馆的个性化信息服务质量。     

从大数据到万物智能

<正>百度今天的信息系统研发,是跟大数据相关,也跟人工智能技术相关的搜索引擎,它天然就是一个人工智能系统。为什么这么说呢?因为一方面,百度通过免费的服务,获得了很多用户的数据;另一方面,百度每天作很多的决策,比如说推荐什么样的商品,展示什么样的广告,展示什么样的网页,使得这些数据能够实现它的商业价值。百度每天产生的数据,大概是整个国家图书馆的20倍,在这么一个大数据的情况下,实际上我们知道每一个用户,甚至国家经济运行的状况等各个方面的信息,进而作出智能的预测。从数据到价值之间,我们需要应用非常多的人工     

基于情景大数据的图书馆个性化服务推荐系统研究

大数据时代,图书馆个性化服务面临着诸如数据海量、种类繁多、快速增长、价值巨大的严峻的挑战。本文在描述大数据背景及其特点的基础上,研究了基于情景大数据的图书馆个性化服务推荐系统。该系统将读者的情景大数据引入个性化服务推荐过程,可以全面、及时、准确地评估读者需求,并根据读者的爱好实时、主动地推荐服务。     

面向图书馆大数据知识服务的多情境兴趣推荐方法

大数据环境下,推荐系统项目评分的稀疏性问题愈加突出,单兴趣表示方法也难以对用户多种情境兴趣进行准确描述,导致推荐结果精度大大降低。鉴于此,提出一种多情境兴趣表示方法,在此基础上构建面向图书馆大数据知识服务的多情境兴趣推荐模型,通过对用户多情境兴趣的层次划分,利用蚁群层次挖掘的优势来发现目标用户的若干最近邻类簇,然后根据类簇内相似用户对目标项目的评分对未评分项目进行预测,最后结合MapReduce化的大数据并行处理方法来进行协同过滤推荐。实验结果表明,多情境兴趣的建模方法改善了单兴趣建模存在的歧义推荐问题,有效缓解了大数据环境下项目评分的数据稀疏问题,MapReduce化的蚁群层次聚类方法也大大改善了推荐系统的运行效率。     

基于Mahout的推荐系统的分析与设计

推荐系统是一种根据用户喜好做出预测的应用系统,本文通过对推荐系统以及推荐系统的理论,包括相似度、协同过滤、基于内容等介绍,并对基于Mahout系统交互模型和系统架构进行分析介绍,最后分析了基于Mahout的推荐系统在大数据时代的优势。     

融合地理标签数据的个性化信息服务应用研究

[目的/意义]社交媒体网站的飞速发展为我们贡献了海量数据,通过对这些数据的进一步挖掘,可以实现个性化服务推荐。[方法/过程]本文利用地理标签中的丰富的元数据信息,结合基于密度的DBSCAN聚类算法和TF-IDF的统计方法,来提取和识别当地的景点区域,然后结合季节来计算景点的热度,最后运用基于混合过滤的推荐算法,为游客实现个性化旅游服务推荐。[结果/结论]通过Flickr网站爬取到的Geo-tagged数据集验证了本文提出方法的有效性。     

基于用户聚类的推荐算法研究

随着21世纪的到来,市场上出现了以淘宝和亚马逊为代表的一些电商平台,这些平台为消费者提供了极大购物便利的同时,也出现了很多因为数据过大而导致的一系列问题,例如数据量过大,导致聚类算法效率低下,不能及时给用户推荐产品,同时数据量过大,导致数据稀疏性问题明显。因此,文章研究了基于用户聚类的服装推荐技术。基于传统协同过滤算法中,由于其本身特性造成的推荐效果实时性不高以及效率低下的问题,引入用户兴趣变化模型,以及评分预测时间模型,提出基于时间和用户兴趣改变的协同过滤推荐算法,对传统过滤算法进行针对性的修改。     

别让大数据产生大错误

得益于移动互联网以及智能手机、智能穿戴产品的发展,人们的行为、位置甚至身体的生理特征等数据都可以便捷地被记录,使得大数据的采集成为可能.这一新的数据形态产生的价值,比如神奇的趋势预测能力被公众广泛讨论,成为不少商家宣传营销的卖点.从汽车、化妆品到体育,似乎所有行业都可以借助大数据,精确定位、找到消费者,预测趋势、赢得未来.     

基于L——M算法的水冷振动炉排锅炉灰渣含碳量的预测

对锅炉灰渣含碳量大的原因进行了分析,通过实验采集了相关实验数据并运用人工神经网络L——M算法对这一损失进行了预测,结果表明：采用L——M算法可以有效地预测锅炉的灰渣含碳量。     

云计算技术在计算机数据处理中的应用——评《云计算大数据处理》

随着互联网时代的不断发展,大数据呈爆发式增长,急剧增加的大数据为社会发展提供便利的同时也带来了挑战.大数据的存储、分析与深度挖掘直接影响到数据的利用价值,因此云计算应运而生.云计算具有较高的服务性,通过云计算技术可以将大数据进行分类及有效提取,过滤掉无用信息,并拥有巨大的空间对数据进行储存.云计算对数据的处理运用为决策者提供有效的数据支持,决策者根据数据分布与走势预测事物未来的发展方向,提高决策的正确率.在云计算的基础上,各类具有专业性与个性化的数据处理工具相继出现,其中数据立方的开发与运用提高了数据处理的效率与实效性,为用户提供更加优质的服务,促进云计算技术的进一步发展.     

别让大数据产生大错误

得益于移动互联网以及智能手机、智能穿戴产品的发展,人们的行为、位置甚至身体的生理特征等数据都可以便捷地被记录,使得大数据的采集成为可能. 这一新的数据形态产生的价值,比如神奇的趋势预测能力被公众广泛讨论,成为不少商家宣传营销的卖点.从汽车、化妆品到体育,似乎所有行业都可以借助大数据,精确定位、找到消费者,预测趋势、赢得未来.     

广东省专利申请数据预测与分析

对广东省专利申请数据现状及发展趋势进行分析,提出运用趋势外推预测法可以预测专利申请数据随时间变化的增长趋势;同时利用该方法对广东省2007—2010年的专利申请数据进行了预测。     

基于相似传播和情景聚类的网络协同过滤推荐算法研究

互联网时代,个性化推荐系统逐渐被应用到各个不同的领域,随之个性化推荐算法也成为目前研究的热点。然而,传统的推荐算法往往存在着冷启动、数据稀疏等问题。本文在对传统推荐算法研究的基础上,提出了一种基于相似传播和情景聚类的协同过滤推荐算法,根据计算用户间的情景相似度对用户进行聚类,然后根据相似传播原理找出目标用户更多的最近邻居,最后根据预测目标用户对项目的评分进行推荐。借助网上公共数据集在Matlab上实现了该算法并验证了算法的有效性。实验结果表明,本文所提算法的准确性相比传统算法有所提高,同时缓解了传统推荐算法存在的冷启动和数据稀疏性等问题。     

大数据时代应用型本科计算机专业数据结构实践教学改革研究

数据如今已经渗透到各个行业,人们通过计算机对数据挖掘、分析和运用,来预测人们消费趋向,从而企业制定正确策略,达到盈利目的。除此之外大数据技术还被广泛应用到各种普查中。它具有数据量大、种类繁多、速度快、时效高等特点。应用型计算机专业具有综合性、实践性、生产服务性特征,在当下进行实用本科计算机数据结构实践教学进行改革可以最大程度发挥其优势,有机的融入大数据思维,以适应时代的发展,因此进行教学改革具有很重要意义。本文基于数据结构课程的重要性与应用型本科计算机专业数据结构实践教学改革方案展开论述,望可以起到参考作用。     

短信平台系统中基于神经网络的测土配方施肥模型

以吉林省农安县科技示范村为例,利用遥感数据、农户调查信息及土壤采样点数据,结合神经网络理论和C#语言,在Arcgis Sever和Microsoft Visual Studio 2005平台上开发并建立基于短信平台的神经网络预测施肥决策模型。决策者可以通过短信网络平台了解耕地管理和土壤肥力状况;实现了合理施肥指导,农户可以通过该系统了解地块信息并获得专家推荐施肥指导。