个性化服务平台中改进的频繁遍历路径算法

快速发展的个性化服务技术给网络的发展提供了更广阔的未来,利用数据挖掘进行个性化推荐的方法已到应用实施的阶段。然而在实施中有诸多具体问题没有解决,如个性化推荐的准确性及网页挖掘的效率偏低等,这导致实际应用成果并不多见。本文提出了一种改进的频繁遍历路径算法,用于提升推荐的可用性。     

电子商务中的个性化推荐方法评述

随着电子商务的不断发展,如何更好地了解用户需求以提供更令人满意的个性化服务变成了一个十分关键的问题,也就是电子商务推荐系统产生的动因.文章首先介绍了电子商务个性化推荐系统的概念和作用.然后对当前最主要推荐策略的原理、应用进行了描述,随后对这些推荐策略的优劣势进行了深入的分析、评价.接着评述了推荐算法评价的相关难题和研究,再就是对电子商务推荐系统的相关因子研究进行了介绍.在最后部分.文章对将来个性化推荐的研究方向进行了探讨,希望通过这样的探索能进一步推动个性化推荐的相关研究.     

基于语义网格的数字图书馆个性化推荐研究——体系结构与总体框架

本文针对数字图书馆个性化推荐存在的精度不高、智能性差、方式单一、推荐规模与质量矛盾突出、推荐受众与信息来源比较固定等问题,分析了互联网、语义网、网格技术在数字图书馆个性化推荐领域的应用局限性.以此为基础,提出基于语义网格的数字图书馆个性化推荐体系结构与总体框架.初步形成面向分布、异构、海量信息环境的数字图书馆个性化推荐解决方案.     

个性化推荐系统中顾客信息的隐式采集方法研究

随着电子商务的发展，个性化推荐系统得到了越来越广泛的应用．实现个性化推荐的基础是采集能够反映顾客偏好的信息。本文通过分析将隐式信息采集方法应用到个性化推荐系统中顾客信息采集时的特点，提出了一种面向点击、停留数据统计的个性化数据采集方法．井基于Ajax技术给出了应用实现。     

移动环境下基于情境感知的个性化信息推荐

随着移动互联网的发展,越来越多的用户信息获取过程通过移动终端完成.但当前个性化推荐系统对用户情境的感知能力不足,缺乏为用户提供符合当前情境的个性化信息推荐服务.为此,本文提出了基于贝叶斯方法的情境化用户资源类别偏好学习以及融合该类别偏好的协同过滤个性化信息推荐.运用贝叶斯方法学习用户在不同情境下对各资源类别的偏好,然后将该类别偏好与传统协同过滤推荐算法相结合,生成符合用户当前情境的个性化信息推荐.实验表明本文提出的改进算法可以提高推荐的准确率.     

基于案例推理的数字图书馆个性化推荐系统研究

在简要介绍案例推理技术的发展后,分析了数字图书馆个性化推荐系统的特点。根据数字图书馆个性化推荐系统的设计思想和方法,研究设计了基于案例推理的数字图书馆个性化推荐系统结构模型,提出了基于案例推理的数字图书馆个性化推荐系统设计方案,着重分析了数字图书馆个性化推荐系统的主要模块。     

关联规则与图书馆书目推荐

文章分析了现有的图书馆书目推荐系统和商务书目推荐系统存在的不足,介绍了数据挖掘中的关联规则及其在图书馆书目推荐的应用.最后以简单的图书借阅例子说明Apriori算法的应用,通过分析大量历史借阅记录,对读者的借阅提供个性化的推荐服务.     

国内电子商务个性化推荐研究进展：架构与实践

本文介绍了电子商务个性化推荐内涵、核心内容和研究框架,并从推荐模型与机理、典型应用与技术实践两方面阐述了国内电子商务个性化推荐研究进展。     

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.     

基于社会标签的推荐系统研究

社会标签是一种新颖的大众索引方法,在Web 2.0时代各种收藏、检索、共享网站中得到广泛的应用,个性化推荐系统是基于用户的偏好为用户提供个性化信息服务的重要技术。本文针对推荐技术如何与社会标签结合的问题,分析了最新的研究现状和应用。详细阐述了3个方面的研究进展:标签推荐系统的研究、基于社会标签的个性化推荐系统的研究、社会标签的推荐应用系统。     

基于信息流的实时电子商务动态个性化推荐

针对企业对实时个性化推荐的需求,基于信息流的表达、生成和分析对顾客访问记录进行了深层次挖掘,研究了电子商务系统实时个性化推荐策略,提出了包含信息流定义、信息流评价、知识匹配、网站动态组织等算法在内的个性化推荐算法.基于J2EE技术完成了包含客户端、服务器端和存储系统在内的实时动态个性化推荐系统的结构设计.实例表明,随着训练次数的增加推荐准确度呈升高的趋势,并优于关联规则法.     

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Spark的网络教学资源个性化推荐方法

随着"互联网+"的不断发展,网络教学资源严重"过载",传统个性化推荐方法已经不能满足海量网络教学资源的个性化推荐需求。本文提出了基于Spark的个性化推荐方法,并将其应用于网络教学资源推荐。实验结果表明,该方法能够有效提升推荐的准确性,具有实际意义。     

基于标签的个性化信息推荐研究综述

标签系统构建的"用户-资源-标签"之间的三元关系为个性化信息推荐提供了新的研究思路,引起了部分学者的密切关注.本文依据推荐算法的不同,总结归纳了国内外基于标签的个性化信息推荐研究的相关成果,分析了现有研究的不足,展望了基于标签的个性化信息推荐研究的趋势.     

复杂网络理论在图书馆个性化推荐服务中的应用

本文将复杂网络理论引入图书馆个性化信息服务的实际问题中,探讨在复杂网络理论下个性化信息推荐服务的模型.在图书馆个性化服务领域引入复杂网络理论,以复杂性科学的高度研究图书馆的个性化推荐服务,可以进一步提升图书馆个性化推荐服务的质量.     

融合用户社交与情境信息的虚拟知识社区个性化知识推荐研究

[目的/意义]通过融合用户社交与情境信息,构建虚拟知识社区个性化知识推荐模型并开展个性化知识推荐算法的设计,能够在一定程度上完善虚拟知识社区个性化知识推荐方法的理论体系,具有一定的理论价值和应用价值。[方法/过程]首先构建出基于用户社交与情境信息的虚拟知识社区个性化知识推荐模型,然后利用改进的最大团算法设计出虚拟知识社区个性化知识推荐算法,最后通过选取某虚拟知识社区的用户数据进行实例分析实现精准的个性化知识推荐。[结果/结论]在利用融合用户社交与情境信息进行虚拟知识社区个性化知识推荐过程中,通过对某虚拟知识社区的实例分析,表明其个性化知识推荐结果的精准度得到了显著的提升。     

基于社会化标注的用户兴趣发现及个性化推荐研究

基于标签的个性化推荐应用越来越普遍,但是标签带有的语义模糊、时序动态性等问题影响着个性化推荐质量,现有研究仅从数量和结构上考虑用户与标签的关系。基于社会化标注系统的个性化推荐首先对融合社会关系的标签进行潜在语义主题挖掘,然后构建多层、多维度用户兴趣模型,提出模型更新策略,最后实现个性化推荐。采集CiteUlike站点数据进行实验分析,结果表明改进算法比传统算法更准确表达用户兴趣偏好,有效提高了个性化推荐准确率。     

基于情境感知的移动电子资源推荐技术研究

将情境因素引入个性化推荐系统中,考虑用户—资源—情境之间的三元关系,为处于不同情境、不同兴趣的移动用户推荐满足其需求的合适信息服务,是目前信息推荐新的研究方向.文章提出了基于情境和基于内容相结合的推荐算法,在当前情境下,利用用户的历史情境信息和用户偏好综合为用户推荐信息.实验表明,该算法能够显著地提高个性化推荐的准确率,可为用户提供符合当前情境的个性化资源.     

Web日志数据挖掘的个性化推荐系统的探析

本文阐述了web日志挖掘应用到个性化推荐系统中的研究的意义,并从Web日志数据挖掘技术理论知识展开分析研究,对进行研究个性化推荐系统的研究提供理论支持。     

电子商务中个性化信息服务研究

与传统信息服务相比,个性化信息服务能更好的满足用户的需求,是电子商务发展的方向。本文在介绍个性化信息服务的同时,并着重讨论了实现个性化信息服务的关键技术——个性化信息推荐系统,尝试地给出一个个性化信息服务推荐系统的体系结构。