基于用户行为的推荐算法研究

推荐系统是对用户的历史行为进行挖掘,对用户兴趣信息进行建模,并对用户未来行为进行预测,从而建立用户和内容的关系,满足用户对商品的推荐需求的一种智能系统。通过对主要的推荐算法进行比较分析,提出一种基于用户行为的推荐算法,挖掘用户浏览阅读行为的关联规则,模拟实现了基于用户行为的智能推荐系统,提高了推荐算法的有效性。     

网络新闻个性化推荐系统策略研究

网络新闻是目前最重要的网络应用之一,其巨大的信息量产生了信息过载问题。为有效缓解信息过载问题,通过网络调查、文献研究、对比分析等研究方法分析了网络新闻推荐中的相关策略,并利用系统分析的方法研究推荐系统模型。总结出可应用于网络新闻领域的个性化推荐系统的推荐策略,构建基于不同推荐策略的推荐系统模型,并分析了网络新闻个性化推荐系统存在的问题和难点,提出其未来发展方向。     

基于Hadoop的Web用户识别与新闻智能推荐算法研究

为了解决大数据时代用户阅读时遇到的“信息过载”与“信息迷失”问题,提出了基于Hadoop平台的用户准确识别与新闻推荐算法。首先基于MAC地址识别用户,通过对用户浏览轨迹的离线和在线挖掘,建立用户兴趣模型。然后对新闻关键词进行聚类,结合协同过滤和启发式方法,基于关键词对用户进行新闻的智能推荐。实验结果表明,基于MAC地址的算法比基于IP地址的算法用户识别率提高了30%。     

融合用户兴趣与信任的微博推荐

在微博社交网络中,微博用户每天针对热门新闻、事件等生成众多微博内容,导致用户在大量内容中找到自己真正感兴趣的信息非常困难。因此,系统向用户推荐其感兴趣的微博,是改善用户体验的重要途径。提出一种新的模型因子分解机FM,以及综合考虑用户兴趣与信任因素的预测方法ITFM,以提高个性化微博推荐质量。通过在真实的数据集上进行模拟实验,结果表明,所提出的微博推荐方法在一定程度上提高了微博推荐准确度。ITFM方法能够有效解决信息过载问题,对改善用户体验具有较好的理论和实际意义。     

面向博物馆的个性化推荐系统设计与实现

博物馆网站主要展示馆内藏品,繁多的展品使得用户在访问网站时会花费大量时间。可以通过基于Web日志挖掘的技术分析用户的访问行为,判断其兴趣爱好,使用不同的推荐方法主动向用户推荐其可能感兴趣的博物馆藏品,以提高用户访问体验。主要使用4种推荐方式,即热点推荐、类别推荐、相似推荐、猜猜你喜欢。     

大数据在高校图书馆文献推荐中的应用

进入大数据时代,面对海量的文献信息资源,如何利用大数据技术给用户进行准确的个性化的文献资源推荐,是高校图书馆面临的一大难题。分析了目前高校图书馆文献推荐工作的现状和存在的问题,提出利用大数据进行文献推荐,主要从文献推荐系统中的文献推荐策略等几个方面进行。     

面向用户个性需求的教育资源混合式推荐模型

以用户个性需求为导向构建Web环境下智能学习系统是现代远程教育与智慧教育领域研究的热点,也是E-learn?ing的未来发展趋势。推荐技术是智能学习系统的“智慧”所在,其根据学习者差异性特征属性“分析—判断—理解”个性化需求并以此精准推荐合适的学习资源。基于内容和协同过滤的混合式推荐可解决单类型推荐所引起的冷启动、非结构化内容推荐等诸多短板问题,进而有效提高推荐资源的效率与质量。该研究在分析领域相关研究现状的基础上,提出了Web环境下智能学习系统中基于内容和协同过滤的教育资源混合式推荐模型构建方案,着重对其架构设计、对象建模与推荐算法进行详细论述。     

基于读者兴趣度的高校图书馆书籍推荐方法研究

随着计算机的迅速发展,基于兴趣度图书推荐系统通过统计用户浏览信息,预测其偏好以达到推荐图书的目的。本文研究用户兴趣模型,通过学习分析个性推荐及主要推荐算法的功能和原理,构建用户兴趣模型,实现了兴趣推荐功能,大大减少了用户索书时间。     

利用RFID技术实现图书馆个性化推荐探讨

基于不断丰富的图书资源与读者找书难之间的日益突出的矛盾,简述了RFID技术与图书馆个性化推荐系统的国内外研究现状,分析了移动环境条件下图书馆推荐服务方式的转变,在此基础上,探讨了利用RFID技术实现图书馆用户定位的个性化推荐服务模式的可行性。     

基于用户兴趣实时更新评价信息的远程教学资源智能推荐系统

在现有的推荐系统中,将所有用户的评分信息收集起来构造用户的偏好,从而为每个用户推算或推荐最适合的资料。但是当用户兴趣发生变化时,却不能很好的适应兴趣的动态变化。本文提出了可实时更新用户兴趣的推荐系统,从而可以自动处理该用户个性化过程。     

基于社交网络的推荐系统研究

近年来,基于社交网络的推荐系统随着社交媒体和大数据的蓬勃发展,逐渐成为推荐系统重点研究方向。将社交网络用户社会化属性信息和评论内容与深度学习等技术结合,可有效解决传统推荐系统数据稀疏和冷启动等问题。首先回顾传统推荐系统常用方法,介绍社交网络推荐系统主要流程和基本框架,然后介绍最新相关研究方向和应用情况,最后对基于社交网络的推荐系统发展趋势进行分析与展望。     

矩阵分解技术在电影推荐系统中的应用

随着大数据、移动互联网的快速发展,推荐系统成为解决网络信息过载的有力工具.为解决传统推荐系统由于没有将社交网络中用户关系考虑进去而导致的稀疏矩阵、冷启动等问题,提出一种基于矩阵分解技术的电影推荐系统算法MFMRS.该算法充分考虑到社交网络中用户之间的关系对推荐结果的影响,通过设置特征参数、损失函数、随机梯度下降等方法对...     

一种基于读者聚类的近邻互助图书推荐模型的构建与实现

图书智能化推荐是解决高校图书馆馆藏量快速增长与用户对图书资源高效利用之间矛盾的有效方法。研究如何利用读者历史借阅记录构建读者图书类别兴趣度和关注度矩阵,从而隐式地获取读者的兴趣偏好,通过矩阵求得读者之间的相似度,形成具有相近兴趣爱好的读者聚类,从而实现由相似读者群形成一种近邻互助推荐图书的效果。     

台湾的大学入学考试中的推荐甄选方式的由来

选拔人才的方式主要有两种:推荐和考试。究竟使用考试方式还是推荐方式来选拔人才,这个问题的争论由来已久。台湾在大学多元入学考试中尝试使用推荐加考试的方式选拔人才,从1994年开始实行,目前已经有12年的历史了。本文探讨台湾在大学入学考试中所使用的多元化推荐入学考试方式的由来。主要来自三个方面:中国古代科举考试制度中的推荐制;日本的大学推荐入学制;台湾曾经在大学入学考试中实行的保送生制度等。     

“互联网+教育”的课程智能适配

新冠疫情背景下在线教育成为全球共同选择。随着在线教育资源的极大丰富以及教师和学生时空上的隔离,如何实时了解学生学习状态以便为教师提供有效教学反馈,如何为学生提供合适在线教育资源以满足差异化需求,成为在线教育亟待解决的问题与挑战。围绕网络课程智能适配方案,构建学生标签大数据平台,重点分析用户数据分类、获取方式及完整学生画像体系设计方法;结合多属性决策模型,探讨网络课程评级与分类方法;基于协同过滤匹配度算法,探讨实现学生和课程的精确推荐方法。网络课推荐方法不仅有助于提高网络课程利用率,也有助于根据学习者个人特征开展更加灵活有效的网络课程教学。     

基于Web数据挖掘的个性化e-learning解决方案推荐系统研究

本文对国内外e-learning个性化推荐系统的现状进行了分析,建立了一种综合性的个性化e-learning解决方案推荐系统,解决了目前e-learning解决方案推荐系统中学习者兼容性、资源充足性、智能挖掘性、推荐整合性这四大挑战。并主要从技术上对个性化e-learning解决方案推荐系统进行构建,重点对Web数据挖掘算法设计、挖掘引擎设计、系统功能模型、数据库设计、推荐界面进行探讨。     

基于网页结构相关性的个性化推荐技术研究

讨论为访问用户提供高质量个性化推荐服务的个性化推荐系统的设计和实现.通过分析现有的基于Web体系结构的个性化推荐系统的特点,从用户访问W eb页面的特点出发,确定了以网页结构相关性为基础进行个性化推荐技术研究的目标.推荐系统由离线挖掘子系统和在线推荐子系统两部分组成.仿真实验表明,基于网页结构相关性的推荐系统具有较高的推荐准确性和更快的响应速度.     

深度学习推荐算法在高校大型仪器开放共享的应用研究

个性化智能推荐既能够有效解决很多初级用户如何在种类繁多的大型仪器中选用合适仪器的问题,也能够及时将空闲仪器资源推荐给需要的用户,为高校大型仪器管理者提供了一个优化仪器资源配置的有效工具。基于北京林业大学大型仪器开放共享数据设计了一种深度学习推荐算法,并通过实验验证具有较好的推荐质量,为智能推荐在高校大型仪器开放共享中的应用提供了一定的借鉴。     

一种图书馆书籍的个性化推荐方法

文章对推荐系统进行了研究,借鉴了亚马逊的图书推荐思想。利用书籍的图书分类、书籍综合特征和书籍评分,提出了一种基于协同过滤、基于内容推荐的综合推荐算法。算法用于鉴别用户是否喜好某本书籍。同时将这种推荐算法应用于高校图书馆的书籍借阅系统中,旨在提高图书馆借阔系统的个性化。该算法能在一定程度上降低借阅者花费在借阅过程中的时间,另一方面能够通过推荐算法的应用,提高图书馆书籍利用率,降低书籍借阅过程中的马太效应。     

基于知识图谱的汉语词汇学习资源推荐研究——以HSK三级词汇为例

为解决初级汉语水平学习者的词汇学习迷航问题,提高其学习效率和词汇应用能力,文章首先梳理了信息技术促进词汇学习的研究现状,并指出学习资源推荐技术存在的问题。随后,文章设计了汉语水平考试(HSK)三级词汇的学习资源、10种关系及其特性和优先级,构建了本体,提出了推荐流程,并参考Jena框架,构建了基于知识图谱的汉语词汇学习资源推荐系统。最后,文章采用问卷调查和访谈法进行了推荐系统的学习体验评价,结果表明:学习者对推荐系统的满意度较高,认为推荐系统可促进汉语词汇的学习。基于知识图谱的汉语词汇学习资源推荐系统能够提升汉语词汇的学习效率,实现汉语词汇学习规模化和个性化的统一。