基于多Agent的智能推荐算法设计*

引入移动Agent技术，提出一种面向E-Learning的集成群Agent与Web服务的分布式智能推荐系统模型，其能有效地帮助学员找到所需的信息。构造MASWSIRS的体系结构，说明系统的工作流程；详细阐述了MASWSIRS的各主要功能模块的实现算法，包括系统整体实现算法、系统聚簇算法及推荐算法。     

基于Web使用挖掘的图书馆个性化系统研究

Web使用挖掘过程包括数据预处理、模式发现和模式分析；利用Webalizer和Webtrends等Web使用分析工具可以对用户模式进行分析，为建立个性化系统提供依据；国内外典型的个性化系统平台为图书馆的个性化系统提供较好的范例。     

基于Web使用挖掘的个性化服务推荐

Web使用挖掘是利用数据挖掘技术从Web数据中发现用户使用模式的过程。以Web使用挖掘技术为基础,提出了一种个性化服务推荐模型。分析了Web使用挖掘的数据收集、数据预处理、模式发现及分析、个性化服务引擎等过程,并对各过程的个性化服务的实现进行了阐述,还对个性化服务的发展进行了展望。     

可变多阶Markov链模型及在WWW个性化推荐中的应用

WWW个性化推荐问题是WEB挖掘的一个重要研究方向.针对传统的固定阶数的Markov链模型用于WWW个性化推荐问题的不足,提出可变多阶Markov链模型(Variable Multiple Order Markov Chain-VMOMC).VMOMC将用推荐目标网页概率值度量的可变多阶Markov链并行组合,组合模型中采用遗传算法确定各单阶Markov链模型的最优权重,在真实WWW站点访问日志数据上的实验结果表明:VMOMC与传统的定阶Markov链浏览推荐模型相比,具有较理想的推荐性能.     

论数字图书馆个性化信息推荐系统*

构建一个综合信息检索、信息过滤、数据挖掘等多种技术的信息推荐系统，是数字图书馆实现个性化信息服务的有效手段。阐述了数字图书馆个性化信息推荐系统的目标、功能与资源定位，对推荐系统的结构框架和主要功能作了解剖，并分析了推荐系统实现的主要技术。     

图书馆网络专题知识组织与个性化服务系统的开发研究

网络专题知识组织与个性化服务系统,是指以信息技术领域中的重点学科为对象,以完全基于因特网应用的高质量网络专题知识数据库为用户提供基于XML的知识门户语义代检索、RSS及无线个性化知识服务。系统建设过程中要把握好开发平台选择、数据格式标准化、知识标引、数据库智能化构建及UML建模等重要环节。     

个性化网络信息检索系统研究与实现

提出一种个性化网络信息检索系统(Personalized Internet Information Retrieval System，简称PIIRS)。在分析PIIRS目标和业务流程的基础上，给出PIIRS的整体结构，并详细说明PIIRS各组成子系统的功能及其实现。最后总结PIIRS系统的特色，并指出今后的改进方向。     

移动网络环境下情景敏感的个性化信息推荐系统研究

对情景敏感和个性化需求响应是移动网络环境下信息推荐的两大触发因素。针对目前移动环境下信息服务未融入情景敏感这一因素以及信息推荐的个性化程度低和准确性差的现状,提出采用"LBS+AR+多层关联规则"三维立体式个性化信息推荐方法。采用GPS/GIS技术实现精确定位,利用基于模型的多层级关联推荐算法避免稀疏性和难于扩展问题,采用AR(增强现实)技术实现可视化的信息推送,通过构建移动网络环境下情景敏感的个性化信息推荐系统实现为用户提供个性化、可视化的信息推送服务。     

网络书签系统中基于社团结构的个性化推荐方法

面对互联网中大量共享的网络书签资源,单个Web用户显然无法充分挖掘它们的潜在价值,迫切需要在网络书签系统中嵌入个性化服务工具.考虑到Web用户在网络书签系统中收藏的Web资源能够有效反映其兴趣,本文提出了一种网络书签系统中基于社团结构的个性化推荐方法.该方法首先依据Web用户收藏的Web资源之间的重叠关系建立Web用户关系网络,然后利用CPM算法划分Web用户关系网络中的社团结构,最后利用这种社团结构实现社团内基于协作过滤的个性化推荐和社团间基于"信息桥"的个性化推荐.实验结果表明了该方法的有效性.     

Web使用挖掘下的Web页面层次分类技术研究

Web使用挖掘研究用户访问行为所体现的行为特征,Web站点结构分析对于Web使用挖掘具有重要意义.本文讨论如何结合Web站点内页面间的超链结构和关键页面分析技术实现对Web站点的链接结构分析,得到清晰的站点拓扑结构和页面层次分类,进而以此为Web页面进行层次编码,和Web用户行为向量的建立方法,为准确表述用户的访问行为提供数据支持;用一种新的方式进一步有效的挖掘用户的行为特征.最后,把它同一些重要的页面分类方法,从算法的计算效率和页面分类的准确率上进行了比较,试验数据的分析表明,该方法在效率和准确率上有一定提高.     

面向NSTL的个性化推荐系统构建研究

随着数字图书馆文献资源数量的高速增长,提升个性化信息服务的质量与效率,逐渐成为当前数字图书馆领域研究人员重点关注的方向。个性化推荐作为其中用户接受度较高的一种方式,呈现了快速发展的态势。文章介绍了当前国内外文献服务平台以及电子商务平台个性化推荐的应用情况,并结合NSTL网络服务系统的个性化信息服务现状,从体系结构设计、系统功能升级、核心模块设计与实现方法三方面对NSTL网络服务系统进行了个性化推荐系统设计。     

基于混合隐Markov链浏览模型的WEB用户聚类与个性化推荐

针对传统的Markov链模型不能有效的表征长串访问序列所蕴含的丰富的用户行为特征(用户类别特征、访问兴趣迁移特征)的缺点,提出混合隐Markov链浏览模型.混合隐Markov链模型使用多个不同的模型来区分不同类别用户的浏览特征,并为每个类别的用户设置了能跟踪捕捉其访问兴趣变化的类隐Markov链模型,能更好地对WWW长串访问序列的复杂特征进行建模,在真实WWW站点访问日志数据上的用户聚类实验与个性化推荐实验的结果表明,混合隐Markov链模型与传统的Markov链模型相比,具有更理想的聚类性能和推荐性能.     

基于Web-Mail的个性化定制服务研究

Web Mail个性化定制服务的方式有 :有问必答的互动式个性化服务 ,用户个性化信息的定时发送 ,图书馆信息资源的小群体服务 ,图书馆信息发布的群体定制服务。图 1。参考文献 6。     

基于Web Services的个性化信息推荐系统的研究与设计

本文在分析了个性化信息推荐服务在实现过程中存在的问题后,提出了利用Web Services技术进行个性化信息推荐系统的设计,并对系统的工作原理进行了详细的阐述.     

高校图书馆网站个性化服务的实现

基于读者反馈信息及对图书馆网站功能的认识，作者尝试在图书馆网站建设中贯彻“为读者提供人性化服务”这一思想，兼顾元数据规范要求，建立“厦门大学知识资源港”。该网站具有页面内容模块化、个性化等特点，并实现在线智能帮助系统的人性化特征。     

基于内容的Web个性化推荐技术研究

提出Web个性化的概念,讨论基于内容的Web个性化信息发布技术的一般思想,重点探索对这种思想进行改进并应用于文本文档推荐的算法模型。     

一种基于数据挖掘技术的馆藏资源个性化推荐服务

本文介绍了一种如何将ID3决策树算法和关联规则应用于馆藏文献信息资源的个性化推荐服务当中去的方法.文中首先对读者借阅历史记录进行了挖掘和分析,利用决策树算法挖掘出可推荐的相关读者对象,再依据关联规则提取借阅历史记录并对其进行分析和挖掘,从中找出相关潜在的有用或有价值的规则,然后依据这些规则选择出最适合推荐的项目推荐给读者.该方式是为实现个性化推荐服务所进行的一种新的探讨,具有算法收敛性好,计算方法简单有效,可靠性高,推荐效果显著等优势,与传统推荐技术相比,能够更加全面、准确、清晰地进行文献推荐.理论和实践结果表明,所提出的这种方法是一种行之有效的形式.     

基于Ontology的个性化信息服务系统框架*

个性化信息服务是信息检索系统的发展趋势，强调对用户服务的针对性和服务特色。文章分析总结了典型的个性化服务模式、关键技术及其研究现状。在此基础上，提出了基于Ontology的个性化信息服务系统框架，对系统的结构和主要处理流程进行了探讨。