数字图书馆推荐系统中用户偏好的建模方法

通过对数字图书馆推荐系统进行分析,从信息源特点与用户对象特点两方面出发,提出了将用户偏好模型分为长期偏好与短期偏好相结合的动态模型。     

基于协同过滤的数字图书馆推荐系统研究

在海量的数字图书馆中,准确迅速地找到符合自身需要的图书是需要解决的主要问题。通过阐述传统的协同过滤算法,分析其特点以及存在的不足,并基于此提出一种改进的协同过滤算法,建立了推荐系统模型并应用到数字图书馆中。     

基于信息协同过滤的电子政务推荐服务系统研究

采用信息协同过滤技术构建一个面向公众的电子政务信息推荐服务系统框架。通过信息用户评价矩阵寻找相似度较高的邻居集,能够较好地把握用户的需求偏好,主动提供适合用户的信息组合。但需要解决稀疏性、冷启动、扩展瓶颈问题,以及处理好用户参与、个人隐私和系统优化问题。     

基于用户的协同过滤个性化商品推荐系统研究

论文首先探讨了电子商务推荐系统的定义和作用,然后分析了电子商务推荐系统的类型,最后在此基础上对基于用户的协同过滤推荐系统的实现进行了研究。     

推荐系统在高校数字图书馆的应用研究

信息时代，数字图书馆连渐成为满足图书馆用户个性化服务的主要解决方案。本文在描述高校数字图书馆个性化服务的概念及其特点后，提出使用电子商务中的推荐系统采帮助实现高校数字图书馆的个性化服务的论点。文章中建立了高校数字图书馆推荐系统的框架模型．井在此基础上对高校数字图书馆推荐系统的组成、处理、以及推荐结果的形式进行了探讨，指出了适合本系统的推荐算法。     

基于用户特征和用户兴趣的推荐计算

协同过滤技术是个性化推荐系统中最经典的代表,但传统的协同过滤技术也面临着冷启动、数据稀疏性等弊端,加上协同过滤技术很少考虑用户兴趣随时间变化和用户特征等因素,导致推荐质量不尽如人意。在传统协同过滤的基础上,结合用户兴趣变化和用户特征两方面,提出一种改进算法的协同过滤技术,与传统技术相比推荐质量显著提高。     

国外数字图书馆推荐系统评述

本文通过介绍Tapestry,Fab,Citeseer,SERF,Melvyl,Amazon等几种常见的推荐系统,概述了国外数字图书馆推荐系统的研究进展,分析其主要特点,指出对国内数字图书馆建设具有借鉴意义.     

浅谈数字图书馆个性化信息推荐系统

推荐系统是一种在特定类型的数据库中进行知识发现的应用技术,使用多种数据分析技术为用户提供更好的服务,向用户主动、及时、准确地提供所需信息,并能根据用户对推荐内容的反馈进一步改进推荐结果,并对个性化推荐系统的概念、对推荐系统的定位以及推荐系统实现的主要技术分析、发展等进行了探讨。     

用户画像在图书推荐系统中的研究

利用用户画像以及个性化推荐算法进行图书推荐有利于图书馆开展精准化服务。从概述用户画像及其在国内图书推荐系统领域的研究现状出发,归纳图书馆构建用户画像并以此构建图书推荐系统的一般流程,试指出目前该系统在实际应用层面存在的问题,并对今后的研究作出展望。     

一种基于订阅记录的图书协同过滤推荐方法研究

【目的/意义】通过订阅记录获取用户兴趣爱好,并将协同过滤推荐方法应用于图书个性化推荐,为读者提供优质服务。【方法/过程】以协同过滤算法为基础,根据用户订阅记录,分别计算用户相似性和订阅图书相似性。针对传统协同过滤方法在计算热门订阅相似度时存在的缺陷,引入对订阅权重的惩罚机制,减轻了热门订阅会和很多订阅相似的可能性,并根据协同过滤方法,产生相应推荐结果。【结果/结论】运用公开可获取的数据集进行的算法验证表明,基于订阅记录的协同过滤算法推荐准确度较高,对提升用户图书借阅体验相关研究与实践有一定的参考价值。     

一种基于用户聚类的协同过滤个性化图书推荐系统

综合协同过滤技术和聚类技术，提出了一种个性化图书推荐系统的具体实现方案。系统对图书馆数据库保留的大量用户图书借阅记录进行挖掘，向用户提供个性化图书推荐，为图书馆个性化服务的研究和实践提供了一种新的思路。     

数字图书馆的个性化推荐策略

本文研究了数字图书馆领域的个性化推荐服务,根据用户描述文件和资源描述文件这两个初始模型,利用协同过滤技术,提出了3种相似性的推荐算法,从而为用户提供个性化推荐服务。     

数字图书馆个性化信息推荐系统研究

In order to provide individual information service in digital library, it's necessary to develop a personal-ized recommender system. Based on information retrieval, information filtering and coUaborative filtering technologies, this article gives some examples of the recommender system and analyzes their key technologies.     

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。     

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。     

基于数据挖掘的高校图书馆网站个性化推荐系统

通过分析和提取图书馆数据库服务器上的网站描述文件和网站日志文件,获得图书馆网站浏览用户的浏览行为模式,分析图书馆网站网页间的相关性,从而构建模拟的图书馆网站个性化推荐系统,节省搜索网页的时间。     

基于关联规则的推荐系统在数字图书馆中的应用

阐述和分析了数据挖掘中关联规则的算法,提出了在数字图书馆中构建推荐系统模型。本文采用Apriori算法,并根据实际的应用对算法进行改进,克服算法弱点,提高推荐精度,实现数字图书馆的个性化服务。     

基于协同过滤技术的电子商务推荐系统初探

推荐系统正逐渐成为电子商务系统重要的竞争手段,而协同过滤技术是个性化推荐系统的研究热点。文章从协同过滤技术的基本原理出发,系统评述了协同过滤算法的分类、相似性计算法则、算法的性能评价等关键议题,最后指出了协同过滤技术存在的问题以及将来的研究方向。     

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。     

基于模糊概念格的领先用户个性化知识推荐研究

针对创新社区日益增长的海量信息阻碍了用户对知识进行有效获取和创造的现状,将模糊形式概念分析（FFCA）理论应用于创新社区领先用户的个性化知识推荐研究。首先识别出创新社区领先用户并对其发帖内容进行文本挖掘得到用户——知识模糊形式背景,然后构建带有相似度的模糊概念格对用户偏好进行建模,最后基于模糊概念格和协同过滤的推荐算法为领先用户提供个性化知识推荐有序列表。以手机用户创新社区为例,验证了基于FFCA的领先用户个性化知识推荐方法的可行性,有助于满足用户个性化知识需求,促进用户更好地参与社区知识创新。