一种基于加权关联规则的协同推荐算法

协同过滤技术不需要分析待推荐资源的内容信息,在电影、音乐、图书等非结构化数据占主流的电子商务推荐领域得到了广泛的应用,成为电子商务推荐领域的主流技术.针对基于项目的协同过滤算法不能实现"跨类型"推荐的缺点,本文提出了一种新的基于关联性评分预测的协同过滤算法IAPCF.区别于传统的算法,IAPCF算法根据项目之间的关联规则,而不是根据多用户对项目评分形成的向量间的相似度来寻找项目的最近邻居集合.该算法能较好地实现"跨类型"项目的推荐.实验结果表明,IAPCF算法具有更好的推荐精度.     

美国公共图书馆儿童主题推荐书目研究

选取美国10家公共图书馆,调研其儿童主题推荐书目,发现其儿童主题推荐书目包括多元民族与文化、节日与纪念日、儿童心理健康及性格培养、性别认同等主题,具有主题丰富、细分方式灵活、体量不大、重视双语推荐等突出特点。结合对我国10家公共图书馆的调研和分析指出,我国儿童主题书目总体数量偏少、主题不够丰富,但亦有自身优势,今后应通过制定更丰富多样的主题推荐书目来推动儿童阅读发展。表1。参考文献24。     

作为决策支撑的图书馆新书推荐服务

中国国家图书馆通过新书推荐服务为国家立法和决策活动提供信息支撑。机关用户的显性和隐性需求、图书馆参考馆员团队、多元媒体的书评资源是新书推荐服务体系的关键要素。图书馆应从建立需求沟通机制、提高团队服务意识、形成科学选书机制、积累优质书讯信息源、参与书评内容生产、关注全球出版强国书榜、分析海外涉华图书书情等方面完善作为决策支撑的新书推荐服务。     

口碑推荐对出游意愿的影响机制研究——以亲子旅游为例

亲子旅游渐趋常态化,亲子旅游者在选择旅游目的地前,通常会进行口碑信息搜集以降低风险。本文引入“口碑信任”作为中介变量,从发送者专业性、关系强度、口碑偏向性三个维度入手,构建起口碑推荐影响亲子旅游者出游意愿的结构方程模型。通过问卷调查衡阳市居民获取数据,并进行模型检验和数据分析,研究发现：（1）发送者专业性、关系强度和口碑偏向性都正向影响着亲子旅游者的口碑信任,其中发送者专业性的影响作用最弱,口碑偏向性的影响效果最为强烈;（2）亲子旅游者口碑信任在口碑推荐和出游意愿间具有重要的中介作用,其中关系强度和口碑偏向性影响出游意愿的中介路径成立,且影响效应较强。研究证实口碑推荐对亲子旅游者出游意愿具有正向推动效果,为目的地口碑营销的必要性提供了理论依据。     

基于URL聚类模式的个性化智能推荐服务

基于Web访问挖掘的个性化智能信息推荐服务方法的处理过程分为在线部分和离线部分。离线部分主要完成从站点服务器的访问LOG文件中挖掘出适合在线智能个性化推荐服务的用户事务模式,采用基于聚类用户事务方法获取用户个性化模式。在线部分通过个性化智能推荐服务智能接口实现基于URL聚类模式的个性化信息推荐服务,给出了链接距离因子定义和基于URL聚类模式的生成算法。通过实验总结这种方法的优缺点,这种方法是有效和可实现的。     

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。     

图书馆学科文献推荐服务模型探讨

便捷高效的文献检索为科学研究提供有力支持。本文以图书馆为背景,结合人工智能方法提出学科文献推荐服务模型,为图书馆的学科建设提供参考。首先,简述了学科馆员在深入服务学科科研工作基础上给出的专业的文献推荐意见。其次,介绍了基于深度神经网络构建的人工智能文献推荐模型。两种模式都从各自的原理、意义及存在问题进行阐述。最后,将两种模式进行整合。本文提出了学科文献推荐服务模型并介绍其原理和意义,以期为图书馆学科文献推荐服务提供一种新的方法。     

推荐“苏联儿童教育讲座”

书名:『苏联儿童教育讲座』著作者:A·C·马卡伦柯高天浪译印行者:中外出版社苏联杰出的教育家马卡伦柯对于新中国教育界已非陌生了。今年一月苏联教育界举行了一次盛大会议,讨论冈察洛夫教授所着『教育学原理』,会上许多专家指出『教育学原理』中所犯几个原则性的错误之一就是『对苏联杰出的教育家马卡伦柯的遗产的忽略』。冈察洛大教授自我检讨中也承认这一点。一如高尔基所说,马卡伦柯在教育上的贡献是具有世界意义的。对于我们正在向     

新兴产业报道如何以算法思维细分受众

新兴产业已成为中国经济结构调整的最新着力点,未来还将长期持续.但同其他经济报道相似,新兴产业报道领域也一直面临着信息数量与质量两方面供不应求的困境.以今日头条等为代表的互联网新媒体借助创新的推荐算法,实际上遵循了大众传播的本质规律,有效实现了信息供求双方的精准匹配.新兴产业报道的传播者,尤其是传统媒体,亟待深刻认识并充...     

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。