基于读者荐购的采访决策支持系统设计

基于读者荐购的采访模式,构建了相应的决策模型,在图书馆自动化系统的基础上设计了采访决策支持系统。通过赋予权重和量化评分,运算得出图书文献采集的理想度相关性值,以辅助采访人员进行决策。     

CtoC电子商务站点中的Web个性化推荐技术

分析CtoC电子商务平台中的用户行为特征,提出在此类站点中实施Web个性化推荐技术的基本原则和特点,并指出该种技术的三个明显特点。最后,结合Web个性化推荐技术的三种主要流程,对CtoC电子商务平台实施Web个性化推荐技术的方法作详细说明。     

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。     

融合地理标签数据的个性化信息服务应用研究

[目的/意义]社交媒体网站的飞速发展为我们贡献了海量数据,通过对这些数据的进一步挖掘,可以实现个性化服务推荐。[方法/过程]本文利用地理标签中的丰富的元数据信息,结合基于密度的DBSCAN聚类算法和TF-IDF的统计方法,来提取和识别当地的景点区域,然后结合季节来计算景点的热度,最后运用基于混合过滤的推荐算法,为游客实现个性化旅游服务推荐。[结果/结论]通过Flickr网站爬取到的Geo-tagged数据集验证了本文提出方法的有效性。     

基于社会选择和社会影响的社交网络社群分类与群推荐策略研究

社会选择和社会影响是在线社交网络社群形成的两个主要因素,如果能有效对网络社群中用户和群体进行分类,就可以采取不同的群推荐策略,实现群体满意最大化。利用偏好对表示群用户偏好,利用矩阵分解和贝叶斯个性化排序方法,考查社会选择和影响对用户偏好的影响程度,实现群用户和群体的分类,进而提出2种群推荐策略。最后通过2个数据集的实验验证,表明本文提出的基于用户和群体分类的群推荐策略是有效的。     

面向图书馆大数据知识服务的多情境兴趣推荐方法

大数据环境下,推荐系统项目评分的稀疏性问题愈加突出,单兴趣表示方法也难以对用户多种情境兴趣进行准确描述,导致推荐结果精度大大降低。鉴于此,提出一种多情境兴趣表示方法,在此基础上构建面向图书馆大数据知识服务的多情境兴趣推荐模型,通过对用户多情境兴趣的层次划分,利用蚁群层次挖掘的优势来发现目标用户的若干最近邻类簇,然后根据类簇内相似用户对目标项目的评分对未评分项目进行预测,最后结合MapReduce化的大数据并行处理方法来进行协同过滤推荐。实验结果表明,多情境兴趣的建模方法改善了单兴趣建模存在的歧义推荐问题,有效缓解了大数据环境下项目评分的数据稀疏问题,MapReduce化的蚁群层次聚类方法也大大改善了推荐系统的运行效率。     

机会发现对推荐服务的改进探讨

从推荐服务存在的问题和机会发现在弱信号、隐性知识方面的优势出发,探讨机会发现在拓展数据分析、发现隐性信息和满足用户长尾需求方面的作用。通过对机会和用户的持续关注,准确把握用户需求,提高人机交互在推荐中的关键作用,从而改善推荐服务质量。     

DARVM及其在图书推荐系统中的应用

指出现有关联规则可视化模型在数字图书馆的书籍量多时会造成界面紊乱、难于显示整体信息等问题,通过对现有关联规则可视化模型的改进,提出基于菱形图的关联规则可视化模型。根据空间认知能力提高读者整体把握信息能力,根据规则概率高低分配屏幕资源,以此增强信息容纳量,解决读者易迷失于书海以及难于解读挖掘结果的问题,减少读者借阅时间,提高图书推荐质量,并在该模型基础上建立图书借阅推荐系统,以期为读者提供决策支持。     

面向社会化推荐的隐性知识交流研究

为解决隐性知识交流存在的认知及表述、耗时等问题,针对隐性知识交流的社会化属性,引入社会化推荐来探讨其在隐性知识交流中的应用价值。通过分析社会化推荐在隐性知识交流中的工作机理,继而设计不同社区利用社会化推荐进行隐性知识交流的算法。同时,构建面向社会化推荐的隐性知识交流模型。     

基于借阅时间评分的协同图书推荐模型与应用

针对数字图书馆系统中的读者借阅历史数据,提出利用图书借阅时间计算读者兴趣度的评分数据模型。该模型把读者的借阅行为分为4种不同的类型：续借、超期借阅（长期超借与短期超借）、正常借阅、盲目借阅,设置阈值,分别计算其相对借阅时间,得出读者对图书的兴趣度。在该数据模型的基础上,实现一个基于协同过滤技术的图书推荐系统,验证模型的有效性。