多属性协同过滤推荐在物流配送服务平台的应用

为了帮助用户选择尽可能满足其个性化偏好的物流配送服务,结合配送服务的多属性评分特点,本文构建了基于多属性协同过滤的推荐算法,对传统协同过滤算法进行了延伸与改进,首先预测目标用户对候选服务各属性的评分值,通过引入服务的个性化特征因子减小热门服务对用户相似度计算的误差,考虑到用户的服务属性评分存在波动性,使用信息熵将用户历史评分均值与协同过滤得到的预测值相结合进行修正,然后基于同一用户对不同属性评分波动性的差异,计算得到用户对服务所有属性的评分预测权重,将各属性的评分预测值与对应权重加权求和进行服务推荐.对配送服务交易的评分数据样本进行实验验证,在准确率和平均绝对误差指标上有较好的表现,将算法应用于物流配送服务平台,构建推荐系统,能够提高平台个性化服务能力.     

一种动态混合QoS语义的Web服务个性化推荐模型

服务推荐是服务计算中的主要问题之一,当前大多针对功能属性进行推荐,而在Web服务的QoS属性方面考虑较少,并且不支持动态变化的QoS属性。基于动态混合QoS的语义Web服务个性化推荐模型,把语义Web技术引入Web服务中,在QoS监控器下,有效监测Web服务的QoS属性变化并动态更新Web服务的QoS属性。根据建立的用户兴趣模型,向用户推荐具有个性化的Web服务。此外,在个性化推荐系统中使用最广泛的协同过滤推荐技术基础上,对数据进行了一系列的预处理填充,而且充分考虑了不同时间的项目评分对推荐的影响。结合用户兴趣度和用户评分的相似性计算方法,并通过不同的权值来表示它们的重要程度,综合计算目标用户的最近邻居集合,最终对用户u产生推荐。该系统在一定程度上提高了服务推荐的效率和准确度并满足用户查询需求。     

试谈基于位置的社会化网络推荐系统

基于位置的社会化网络推荐系统不仅能为用户提供移动性和社会化的信息服务,还能基于各类用户的不同需求,对信息实施过滤,为用户提供个性化的推荐服务,在国内外相关领域得到了日渐广泛的应用.简述了基于位置的社会化网络推荐系统的概念,分析了基于位置的社会化网络推荐系统的关键问题,以期为相关研究提供借鉴.     

用户个性化推荐系统的设计与实现

为实现个性化服务,理解用户兴趣就成了提供服务的关键任务,因此,提出了隐性采集用户浏览内容、用户浏览时间和用户操作时间的信息方法,通过对网络爬虫程序抓取的网页进行内容清洗提取出主要内容之后,利用VSM建立文档模型,并采用SVM分类方法建立推荐库.基于从客户端采集的用户兴趣信息建模,以及根据该模型和推荐库的相似度,给用户推荐信息.此外,给出了基于该模型的推荐原型系统的实现,使用查准率来评价该系统.试验结果表明,系统较好地实现了基于用户兴趣来推荐阅读的信息.     

Web服务个性化推荐研究综述

随着Web服务的广泛使用和互联网上服务数量的增加,如何向用户提供最佳的服务选择列表成为了新的挑战.Web服务个性化推荐实现了由被动接受用户请求向主动感知用户需求的转变.个性化的Web服务推荐方法已经成为Web服务发现和选择的有效辅助手段.Web服务的个性化推荐技术也成为了近年来服务计算领域的研究热点.对当前Web服务个性化推荐的文献进行了归类分析,总结了当前Web服务个性化推荐的技术现状、研究方法和实验的数据集,列出了未来Web服务个性化推荐研究热点和挑战.     

基于约束的旅游推荐系统的研究与设计

针对旅游领域的特点和传统推荐技术的应用局限性,提出一种基于约束的旅游推荐系统的设计方案,并对系统的推荐引擎进行了详细设计。系统通过可视化的知识获取工具高效地获取旅游领域知识、推荐规则、个性化规则等知识,使用交互＆个性化代理以会话式的交互方式逐步地启发用户的偏好和需要,利用多属性效用理论对推荐结果进行排序。相比传统的推荐方法,利用基于约束的推荐技术,能够为用户提供更加准确、个性化的旅游推荐服务。     

基于效用的个性化推荐方法

当前的推荐方法未能从个性化效用角度评价推荐项目,因此用户需按自己的偏好,在推荐结果中进行再次筛选。针对该情况,提出一种基于效用的个性化推荐方法。该方法采用逼近于理想值的排序法(TOPSIS)作为衡量推荐对象效用的基本方法。为克服TOPSIS中静态权重设置的不足,采用可变精度粗糙集发现用户对属性的偏好。实验结果表明,该方法能为用户提供更好的个性化效用及准确性的推荐服务。     

基于神经网络模型的个性化服务研究

由于Web上信息的异构性、多样性和动态性,互联网也带来了所谓的"信息过载"和"信息迷向"的问题,个性化服务系统按照特定的用户群体和个人的需求定制服务的内容和表现,可以预测用户的需求,提供主动服务,其基本原理就是根据对各个用户不同的兴趣描述,通过相应的推荐算法为用户提供符合其兴趣的信息.待用户兴趣特征确定后,就可以建立用于个性化网页推荐的用户神经网络模型,向用户推荐个性化网页.     

SuperRank:基于评论分析的智能推荐系统

随着网上商城购物方式的兴起,对同一商品的不同网上商城之间的优劣进行推荐的重要性日益凸显.借助多属性决策的手段,提出智能网上商城推荐系统SuperRank的框架,并结合自然语言处理技术,整合各网上商城的用户评论进行情感分析,与网上商城页面上的客观数据一起作为系统输入.SuperRank允许用户自主选择关心的属性及重要性排序,使得系统给出的推荐结果既能客观全面地反映网上商城的状况,又能符合用户的评价偏好.实现了SuperRank的原型系统.     

面向个性化推荐的空间信息服务三层模型研究

分析了当前空间信息服务在个性化推荐方面所存在的问题,充分考虑用户行为对空间信息服务个性化推荐的约束,匹配过程中的“需求”与空间信息服务“操作”的映射关系,提出针对不司用户需求的空间信息服务三层模型.该模型将用户的历史操作抽象为二元组,以此二元组作为约束条件,通过语义的相似度匹配,有效且准确地进行空间信息服务的个性化推荐.     

基于智能体的电子商务协作推荐系统

传统的协作筛方法存在的主要问题是需要人为地提供评价，该文对其进行了改进，根据用户事务模式自动获取用户评价，构建评价矩阵。针对现有个性化信息推荐系统存在的问题，将Agent应用到电子商务个性化信息推荐，引入设计的协作筛方法，设计了基于Agent的电子商务协作推荐系统(ECCRS)。ECCRS是基于服务器端的电子商务协作推荐系统，它考虑了用户访问页面的时间特性，不需要用户注册，在推荐时考虑了页面的新颖性，同时实现了离线处理、增量更新与在线推荐的结合。实验结果表明，ECCRS采用的推荐方法是有效的。     

基于社会网络分析的协同推荐方法改进

协同推荐是电子商务中被广泛使用的个性化服务技术,但由于数据稀疏、冷启动等原因,导致现有协同推荐方法的个性化服务水平不高。为提高协同推荐的准确性,利用社会网络分析对协同推荐方法加以改进,提出一种基于社会网络分析改进的协同推荐方法。该方法利用社会网络分析技术分析用户间的关系,将其量化为信任度以填充用户-项矩阵,并将信任度融入到用户相似性计算中。通过实验分析验证了所提方法的有效性。以信任度扩充用户-项矩阵不仅可以较好地解决协同推荐中数据稀疏和冷启动问题,而且能够提高协同推荐的准确性。     

OHR:一种基于本体的个性化混合服务推荐模型

随着网络信息量的日益增加,为用户提供个性化服务是一种趋势。该文通过建立一个通用的服务本体模型,将项目集合划分到多个服务子类中,经过概率计算得到用户的兴趣分布,并在此基础上提出了一个结合内容过滤和项目协同过滤的个性化混合服务推荐模型(OHR)。实验结果表明了该模型在服务推荐上具有较高的准确率和发现用户新兴趣的能力。     

基于数据挖掘的Web个性化信息推荐系统

基于数据挖掘的Web个性化信息推荐日益成为一个重要的研究课题。文章设计了一个基于数据挖掘的Web个性化信息推荐系统(WPIRS)。在WPIRS中,提出了推荐策略,在推荐策略中考虑针对不同类型的用户采用不同的推荐算法。根据用户是否有新颖信息的需求,WPIRS采用了两种推荐算法。     

结合使用挖掘和内容挖掘的web推荐服务

随着Internet的基础结构不断扩大和其所含信息的持续增长,Internet用户越来越感觉容易在WWW服务中“资源迷向”。提高用户访问效率的方法有页面预取技术,站点动态重构技术和web个性化推荐技术等。现有的大多数web个性化推荐技术主要是基于用户使用记录的数据挖掘方法,没有或很少考虑结合页面内容—这才是用户真正感兴趣的。该文提出一种结合用户使用挖掘和内容挖掘的web推荐服务,该推荐服务根据频繁最大前向访问路径,提出含有导航页和内容页的频繁访问路径图概念,根据滑动窗口内的最近用户访问页面内容和候选推荐集中页面内容相关性,来向用户提供个性化推荐服务。经推荐质量分析,这种方法具有较好的推荐优化能力。     

海量学术资源个性化推荐综述

进入大数据时代,信息超载是互联网用户面临的一个严重的问题,个性化推荐是解决此问题的一个非常有潜力的办法。在学术领域,学术资源个性化推荐是解决信息超载的有效途径,其为用户推荐符合其兴趣的个性化学术信息。从个性化推荐过程的用户建模、推荐对象建模和推荐策略等三个模块角度对现有学术资源个性化推荐研究进行了探讨。针对目前广泛应用的学术资源个性化推荐方法,包括基于内容的推荐、协同过滤推荐和基于网络结构的推荐等,总结其研究的关键点和存在问题,并对学术资源个性化推荐的研究趋势进行了预测。     

一种上下文感知的旅游信息服务推荐方法

在旅游时游客很难预先知道自己的旅游需求,并且旅游偏好在旅游过程中也会发生变化.为了给游客提供即时高效的个性化信息服务,本文将上下文信息引入推荐系统,结合案例推理和神经网络,根据游客的喜好为用户提供个性化信息服务推荐.实验表明,该方法可较好克服推荐系统新用户冷启动的问题,提高旅游信息服务的准确率和提升游客服务的满意度.     

基于Web日志的煤矿企业网站个性化推荐服务研究

为了解决煤矿企业网站用户查找信息难的问题,提出了一种基于Web日志的煤矿企业网站个性化推荐服务模型。该模型应用关联规则对新用户进行页面推荐,应用聚类算法对老用户进行页面推荐;并结合点击网页的次数、网页的浏览时间、雅可系数与最长公共路径系数来度量用户兴趣度的方法,可为用户准确地推荐其感兴趣的页面。测试结果表明,该模型能够有效地对网页资源进行分类并进行个性化推荐。     

Trust-Based Personalized Service Recommendation: A Network Perspective简

Recent years have witnessed a growing trend of Web services on the Interact. There is a great need of effective service recommendation mechanisms. Existing methods mainly focus on the properties of individual Web services （e.g., func- tional and non-functional properties） but largely ignore users＇ views on services, thus failing to provide personalized service recommendations. In this paper, we study the trust relationships between users and Web services using network modeling and analysis techniques. Based on the findings and the service network model we build, we then propose a collaborative filtering algorithm called Trust-Based Service Recommendation （TSR） to provide personalized service recommendations. This systematic approach for service network modeling and analysis can also be used for other service recommendation studies.