基于聚类协同过滤的个性化推荐系统

个性化推荐系统被越来越多地应用到各类网站中,以解决信息增长带来的信息迷失和信息过栽问题,而协同过滤算法是个性化推荐系统的重要算法之一,但是传统的协同过滤算法存在数据稀疏、冷启动等问题,为了解决这些问题,在综合WEB日志挖掘和聚类两个因素基础上,提出基于WEB日志和聚类的协同过滤算法,并将该算法与传统的协同过滤算法进行分析比较,验证了该算法能够提高推荐的精确度和实时性．     

基于协同过滤算法的电影个性化推荐系统设计与实现

随着互联网与移动终端的普及,网络上的电影娱乐信息数量海量增加,用户对电影个性化服务的需求日益旺盛。设计电影个性化推荐系统,该系统基于B/S模式,采用JavaEE体系架构。个性化电影推荐服务能够挖掘用户信息、电影项目信息间隐藏的关联性,从而发现用户的潜在兴趣,将用户可能感兴趣的影视片推荐给用户。     

一种基于Web使用挖掘的个性化推荐系统研究

个性化推荐系统的出现为用户提供了一个解决Web商品信息过载问题的强大工具。个性化推荐技术是基于Web使用挖掘、商品相关关系发现、商品分类等多项数据挖掘技术的。分析了这些技术的基本原理和特点并提出了一种计算商品关联关系和用户喜好倾向的算法以及个性化商品推荐的程序实现方法。     

基于个性化推荐技术的Web学习系统设计

根据单个学生或学习小组不同的学习需求提供相应的指导内容和教学策略,是基于Web的教学系统构建的根本目的。提出了一种通过收集分析学习者明确的或潜在的学习兴趣和偏好,找出学习者之间的相似性,对学生进行分组,形成虚拟学习社区的方法。     

个性化学习推荐模型的研究

通过分析个性化学习的特点,构造了个性化学习推荐模型.为保证学习效果,设计了基于ISM的学习序列生成方法,从整体上引导学习者的学习过程;在单个知识点学习时,采用关联规则挖掘,推荐符合学习者特征的学习材料.     

Web日志挖掘在电子商务推荐中的应用

介绍电子商务和Web数据挖掘的概念,并介绍Web使用挖掘中应用最多的技术——Web日志挖掘.重点阐述了日志挖掘算法——关联规则的有关知识,以及改进的频繁项目集生成算法Apriori和强关联规则生成算法,并结合实例进行了分析研究.     

基于POI用户游戏Feeds Ads推荐系统设计与实现

Feeds Ads在社交网络广告推荐系统中的投放规模占比逐步增大,实现Feeds Ads精准推荐在学术研究和工业实现方面均极具意义.深入分析Feeds Ads投放原理,以推荐系统协同过滤算法为理论基础、以用户POI偏好数据相似度算法为核心,设计开发基于用户POI游戏Feeds Ads系统,经验证测试该系统具备个性化广告精准推荐功能.     

基于Web数据挖掘的图书馆个性化推荐服务探讨

高校图书馆网站作为图书馆信息系统的重要组成部分,是图书馆资源、服务与读者之间的桥梁。规划和建设好图书馆网站,可为用户获取信息、交流信息提供了一个很好的基于Web的信息服务平台。但随着校园图书馆资源的增多,利用基于Web日志挖掘技术根据用户的特性提供具有针对性的信息,还能通过对用户专业特征,研究兴趣的智能分析,主动地向用户推荐其可能需要的信息的个性化推荐系统的建立已成发展趋势。     

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%。     

融入景点标签的矩阵分解个性化推荐

基于标签的推荐算法在景点推荐领域取得了良好效果,但仍然存在一些问题,如仅采用用户对景点的评分值表示用户对标签的喜爱程度,忽略了用户、标签、景点之间的关联,从而导致结果精度不高.提出一种融入景点标签的矩阵分解个性化推荐方法,通过文本挖掘技术构建适用于景点推荐领域的景点标签,并将其引入矩阵分解推荐算法的因子向量,然后利用矩...     

基于网络平台的个性化知识推荐系统设计

本文利用学科知识点之间的层次关系图设计知识表示模型,而用户模型则以＂用户的认知水平＂和＂用户兴趣＂为中心而构建,在此基础上提出组合过滤推荐算法.该算法保留了内容过滤推荐算法和协同过滤推荐算法的优点,又弥补了两种算法的不足,通过测试评估,验证了组合过滤推荐算法的有效性和准确性.     

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。     

基于协同过滤算法的IT书籍推荐系统设计与实现

随着IT行业的飞速发展,IT从业人员也越来越多,如何在茫茫书海中选择适合自己的IT书籍是一个非常重要的问题。设计了一个IT书籍推荐系统,系统基于B/S模式,采用LAMP架构体系,将协同过滤算法加入网站系统中,以实现IT书籍的个性化推荐。实验结果表明,个性化书籍推荐系统能够通过用户行为挖掘用户兴趣,从而为用户推荐适合自己的IT书籍。     

基于Web使用挖掘的个性化推荐系统

Web使用模式挖掘是对用户浏览Web后在服务器日志上所留信息的数据挖掘。讨论了挖掘中常用技术及流程,并提出一种Web使用模式挖掘体系结构,介绍了系统的工作原理,对系统设计中的推荐算法等关键技术作了详细讨论。关     

基于关联规则的个性化推荐在数字图书馆中的应用研究

协同过滤技术被成功地应用于个性化推荐系统中,但随着系统规模扩大,它的效能逐渐降低.针对此缺点,提出了一种运用关联规则和协同过滤技术相结合的个性化推荐系统模型,这种推荐模型既能有效解决单独关联规则推荐不适合同类图书推荐问题,又能有效解决协同过滤算法不适合异类图书推荐问题;既能有效处理数字图书馆中图书种类和类别层次繁多的图书推荐问题,又能加快推荐速度,在数字图书馆系统中具有良好的推荐效果和应用前景.     

基于协同过滤的个性化推荐选课系统研究

针对高等学校学生选课系统中存在的缺乏个性化课程推荐、选课效率不高的问题,通过对个性化推荐技术的分析研究,提出了基于项目、用户及属性值矩阵的协同过滤算法,并把该算法应用到选课系统中,数据表明,算法解决了个性化推荐技术中的冷启动问题,相关指标有明显提高,实现了课程的个性化推荐和新课程的推荐。     

毕业设计中的个性化推荐服务

毕业设计过程中,优秀参考文献的阅读与学习将会提高学位论文的质量,为此教师们需要花费大量的时间为学生们提供参考文献。本文在一个毕业设计智能导师系统中,应用基于用户特征的个性化推荐技术,设计了一个参考文献自动推荐模块,它实现了参考文献的自动推荐从而有效地辅助了教师的毕业设计指导工作。试用表明,它较好地完成了对学生每周参考与每周必读文献的推荐,使教师和学生均较满意。     

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。     

利用学习者画像实现个性化课程推荐

在"互联网+"在线学习环境下,探索符合学习习惯和偏好的个性化推荐路径能够降低学习者学习的盲目性、提升学习者在线学习体验.文章提出了一种基于学习者画像的个性化课程推荐方法,首先,利用爬虫技术获得Bilibili网站30多万名学习者的数据,然后对学习者学习数据进行定量分析,尤其是在个性化特征最明显的情感表达方面,采用了基于注意力机制的双向长短时记忆网络进行情感分析,从而构建了包含学习者基本信息、行为和弹幕文本三个维度的学习者画像特征模型.在此基础上,利用深度神经网络建立了教学资源与学习者画像之间的关系模型,用该模型预测学习者新的学习需求.实验结果表明,当学习者登录后,输入要选择的课程,模型能够根据学习者画像推荐相似学习者学习过的课程,提供个性化课程推荐服务,且推荐评价指标也表明该模型能够提高推荐性能.     

学习资源个性化推荐系统的学习者模型构建

互联网的高速发展导致网络学习资源数量迅速增长,案例教学、理论教学等教学资源的个性化推荐受到更多关注。学习者模型是实现个性化推荐的依据。文章以CELTS-11学习者模型规范为基础,针对学习者的个性差异,在学习过程中对基本信息、学习风格、知识状态、认知能力、兴趣偏好等个性化特征展开研究,解决目前资源推荐系统的学习者模型中学习者特征描述不全面、个性化程度不高等问题,构建出了个性化的学习者模型,为学习资源的推送提供了有力的依据,应用效果表明了该方法的有效性。