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。     

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。     

基于协同过滤的电子商务个性化推荐算法分析

个性化推荐系统是电子商务运作过程中的重要组成部分,计算机网络信息化的不断发展和当今数据的爆炸式增长,使得人们很难在海量信息中找寻出适合自身需求的数据和信息,信息过载状况时有发生。阐述了我国电子商务个性化推荐系统的作用,分析了当前主流电子商务推荐技术,对基于协同过滤的电子商务个性推荐算法进行了研究。     

基于改进协同过滤模型的农资推荐方法研究

协同过滤推荐方法在传统个性化推荐领域被广泛使用。农资电子商务领域面向的专家/终端用户和批发/零售的混合模式更为复杂,需要对传统协同过滤方法加以改进。文章在传统协同过滤模型基础上,提出对用户兴趣建模动态调整,改进K最近邻算法,以满足农资电子商务领域的特殊需求。实验证明,在农资个性化推荐中使用基于改进协同过滤的方法,提高了推荐的质量和效率。     

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。     

基于模糊推理的web客户需求协同过滤推荐算法

文章提出了基于模糊推理的协同过滤推荐算法,在该算法中,用模糊集合之间特征系数来代替传统算法的相似系数,用模糊推理来代替加权平均预测.最后文章通过实验证明该算法具有较好的精确度,为以后研究推荐算法提供了一种新的途径.     

基于用户模式聚类的协同过滤个性化推荐方法

最近邻协同过滤常用的计算用户访问行为相似程度的距离函数仅是测定访问者对象在所有测试属性空间上的平均测定,而在属性集的子维空间上的相似模式并没有有效地挖掘出来,用户评分数据稀疏等问题使其推荐质量下降。针对这些问题,提出一种基于用户模式聚类的协同过滤推荐算法,该算法采用基于用户模式相似的子空间聚类方法产生聚类,并且利用模式相似度改进协同过滤,从而对用户产生个性化推荐。实验结果表明,该方法改善了推荐系统的效率和精度。     

基于协同过滤推荐技术的个性化网络教学平台研究

协同过滤推荐技术是推荐系统中最核心的技术之一,也是目前应用最广泛、最成功的技术.在本文中,研究如何将协同过滤推荐技术借鉴过来,并就冷开始问题、稀疏问题和新兴趣发现问题对现有的协同过滤推荐技术进行改进,以达到实现网络教学平台个性化的目的     

基于改进协同过滤的移动个性化推荐服务研究

基于协同过滤（CF）的个性化推荐技术,提出一种移动设备个性化软件推荐系统.该系统根据协同过滤的理论,首先通过软件类别兴趣相似度的计算,筛选出软件类别相似的用户候选集,过滤所有移动用户,减小产生的用户候选推荐集;然后对用户候选推荐集进行最近邻居的相似性计算以找出目标用户的邻居集合,并且对邻居集合中的邻居评分进行实时更新;最后根据兴趣相似度最大的K个邻居形成目标用户的Top-N推荐集.在第三方手机软件管理平台上通过监测推荐软件的下载或浏览量,验证系统的有效性和准确性.     

基于上下文的分布式协同过滤推荐技术

针对传统协同过滤推荐技术应用于大规模动态数据集时难以兼顾准确度和效率的问题,提出了一种基于上下文的分布式协同过滤推荐技术,其中首先引入了推荐上下文的概念,并在此基础上通过充分考虑用户的即时兴趣以提高推荐的准确度,同时采用评分矩阵的分布式存储和计算以提高推荐的效率。实验结果表明,这里所提出的分布式协同过滤技术能够同时保证推荐的准确度和效率,使其在大规模动态数据集上的应用更具优势。     

基于RBFN——项目聚类的协同过滤推荐算法研究

高维数据的稀疏性问题是降低协同过滤技术推荐质量的主要原因之一。提出了基于径向基函数网络(RBFN)——项目聚类的算法来降低数据的稀疏性,应用径向基函数网络(RBFN)处理高维稀疏数据得到一个完整的矩阵,应用基于项目聚类的协同过滤推荐算法产生推荐。实验结果表明,本算法比其他算法能更好处理协同过滤中的稀疏性问题。     

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。     

融合用户画像与协同过滤的知识付费平台个性化推荐模型

[目的/意义]为提高知识付费平台用户感知服务质量,文章构建了融合用户画像与协同过滤的个性化推荐模型。[方法/过程]首先根据用户特性构建画像标签体系,利用TF-IDF、熵值法、k-means等方法确定用户特征标签;其次分别基于用户画像与改进后的协同过滤算法计算用户相似度,通过调和权重得到用户综合相似度;最后利用Top-N进行个性化推荐。[结果/讨论]通过知乎live付费用户信息进行验证,发现本文算法在推荐结果的准确率以及召回率上,相比其单一方法均有较大提升,且满意度高于知乎live平台。     

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.     

基于模糊聚类和资源平滑的协同过滤推荐

在分析目前电子商务推荐系统及传统的协同过滤推荐存在问题的基础上,提出了一种新的电子商务推荐算法。该算法利用客户对商品的历史评分记录中所隐含的客户相关信息和商品相关信息来为客户推荐商品,并且将模糊聚类技术运用于商品最近邻居和客户最近邻居的查找。实验结果表明该算法能够提供更好的推荐,聚类数对推荐质量有较大的影响。     

基于社区协同推荐系统的攻击研究

协同过滤推荐系统根据近邻偏好产生相应的推荐,恶意的用户将设法影响推荐系统的行为,使其无法产生有用的推荐结果。讨论了恶意用户攻击协同过滤推荐系统的不同方式,评估了近期研究中不同推荐方法的效果,并讨论了相应的有关对策。     

基于时间序列的个性化信息协同过滤技术研究

以个性化推荐服务为基础,讨论了协同过滤技术在推荐服务中的运用,提出了基于时间序列的协同推荐算法,并结合权威用户、主题聚类等因素,使这种算法更接近人们个性化信息获取和学习知识的自然过程。     

基于协同过滤的论文推荐-传播平台模型研究

借鉴协同过滤个性化推荐思想,提出基于同行评价计算用户相似度的学术论文个性化推荐-传播平台模型:研究人员借助推荐-传播系统将自己或他人的学术论文推荐给与其有相似研究兴趣的网络邻居,从而可基于同行协同过滤将学术文献高效获取和研究成果主动推介结合起来。运用计算机多主体仿真方法,本文模拟并验证了推荐-传播平台的性能。     

改进协同过滤算法的图书推荐系统设计与实现

[目的/意义]针对当前图书馆图书推荐系统使用解决协同过滤(CF)方法存在的稀疏性问题,设计了一种改进的基于概率关键词的协同过滤方法.[方法/过程]通过图书流通记录和图书关键词属性数据分别建立流通矩阵和关键词矩阵.利用概率分布计算用户借到符合其关键词模型条件图书的概率,建立概率关键词模型,进一步生成图书推荐列表.[结果/...