用于社交推荐的增强影响扩散模型

随着网络上创建连接、协作、共享的全新变革方式的出现,互联网上丰富的社交行为现象引起了研究者和实践者的关注.近年来,随着社交网络平台的普及与推广,基于社交网络的推荐系统也成为了个性化推荐领域的研究热点之一,社交推荐系统可以利用社交网络来缓解传统的推荐算法中数据稀疏性问题.在社交网络中,社交关系影响起着重要作用,而用户信任是社交关系形成的基础,每一个用户会受到其信任的用户影响,这些被信任的用户也会被自己的社交关系所影响,这就表明了联系在一起的用户会相互影响,导致社交联系之间的用户偏好具有相似性.用户的信任关系影响着用户偏好的推断,同时用户受到其信任用户的社交关系影响,而这些社交关系影响在社交网络中递归传播和扩散.因此,基于社交推荐算法研究的关键就在于信任信息的挖掘和利用.在基于社交网络的推荐领域中,比较有代表性的模型为Diff Net,该模型未充分考虑到信任问题,同时,在递归计算长距离的社交关系时,有额外的噪声,影响推荐预测的质量.本文提出了基于Diff Net改进的社交推荐模型-EIDNet.首先,该模型在模拟社交关系影响扩散过程时,通过用户对物品的历史交互记录建立用户间的信任关系,并融...     

硫酸行业设备材料与专有技术推荐指南

经中国化工学会无机酸碱盐专委会硫与硫酸学组、全国硫与硫酸工业信息总站遴选,以下企业入选硫酸行业设备材料与专有技术推荐指南。(欢迎企业推荐技术和产品入编《指南》,经审核后予以发布,收取评审发布费4000元/年)。     

大数据背景下教师推进学生主体个性化学习研究

大数据时代,随着社会的快速发展,教育领域强调个性化教育,教师应积极面向全体学生,发现学生的独特性,承认个性差异,鼓励个性发展,因材施教,最大程度展现所有学生的个性和潜力。基于此,通过分析高职院校学生主体的个性化差异,探索研究大数据背景下教师推进学生主体个性化学习的策略,为后续教育改革和促进学生个性化学习提供参考。     

基于文本信息处理的深度网络推荐技术研究

网络信息时代,在使用系统的时候,首先应该要避免信息过载所导致的问题.然而这一问题目前已经在网络信息技术中起到了重要的作用.根据传统的模式进行推算,目前互联网想要构建模式,首先应该设计其模型训练,另外其数据不能过于单一,而信息量也不够充足,所以导致目前所出现的推荐效果并不是很好.所以文章中有很多辅助信息能够添加到模型中而获得额外的数据输入,对于文章所推荐的方式,有些用户往往忽视所具备的多样性,主要是由于用户的喜好会随着项目的改变而发生变化.     

互联网化转型战略研究

纵观产业发展趋势,从消费面来看,我们进入了超级个性化时代;从生产面来看,成熟产业增速放缓,未来跨界竞合加剧,产业边界日益模糊,创新总是发生在产业边界。通过分析DICT(数据信息通信技术)产业界互联网化转型的典型实践,提出运营商互联网化转型的体系演进思路,概况出产业界互联网化转型的基本策略。     

计及Spark和属性权重的售电套餐推荐方法

针对电力市场用户群庞大，交易过程中售电套餐选择困难的问题，在Spark环境下设计了一种售电套餐推荐方法，同时也解决了售电套餐推荐过程中在大数据环境下的可扩展性及实时性问题。首先，计算出每个套餐属性的权重值，从而计算得到售电套餐综合相似度。然后，计及用户和套餐两方面提出一种售电套餐推荐方法，实现售电套餐的精准推荐。实验表明，提出的推荐方法能够明显提高推荐的准确度，并且在分布式环境下具有良好的推荐效率和可扩展性。