基于深度神经网络的个性化推荐系统研究

为了有效地提升海量文献信息检索过程中的用户个性化满足程度,该文设计了一个全新的个性化推荐系统.在这个系统中,核心算法是基于深度神经网络的个性化推荐方法.此方法构建的深度神经网络,包含了嵌入层、编码层、个性化特征融合层、解码层4个层次,从而准确地反应用户的个性化需求并完成查询推荐.以基于DNN网络的文献检索方法、基于Segnet网络的文献检索方法、基于Seq2Seq网络的文献检索方法为对比算法,针对计算机、通信、机械、电气、建筑、历史、政治、经济、数学、英语10类文献数据进行查询推荐实验,比较4种方法检索结果与用户需求的吻合程度.实验结果表明:该文提出的基于深度神经网络的检索方法,其检索结果的用户个性化需求吻合度高于其他3种方法近10个百分点,对于英语类文献检索结果的个性化需求吻合度,甚至达到了90.2%,这充分说明了该文提出的检索方法和构建的个性化推荐系统有效.     

智能推荐系统在个性化数据挖掘中的应用研究

现今家庭数字化已经是大势所趋,网络信息技术也已然融入到了我国的千家万户中,进而推进大数据时代的到来。在当今时代背景下,如何在海量的信息中为用户筛选出具有个性化、智能化的数据不仅是当前推荐系统所要攻克的重要难题,实质也是其发展机遇。智能推荐系统兴起不久,乃是一项新兴科技,该类系统能够智能化地分析用户的个人信息、行为偏好与社会关系等因素,并有效为用户推荐出合适的数据。鉴于此,本文将基于协同信息筛选技术,并结合个性化数据挖掘技术,构建研究一个智能推荐系统,相信对于智能推荐系统的进一步普及与发展具有一定积极作用。     

基于Web投票机制的免疫协同过滤推荐技术研究

针对投票机制的个性化推荐系统,利用人工免疫网络模型的动态适应性、自组织性等特性,通过构建用户的兴趣模型来设计用户投票行为的抗体(抗原)编码及交叉克隆算子,并通过人工免疫网络模型来产生高效的推荐结果。     

基于LBS的O2O电子商务个性化推荐方法研究

随着O2O电子商务规模的不断扩大,O2O电子商务个性化推荐方法也成为研究热点。基于位置的服务(LBS)是O2O区别于传统电子商务的一个重要特点,因此在O2O电子商务个性化推荐中引入位置信息显得尤为重要。本文分析已有的电子商务个性化推荐技术,提出一种基于LBS的O2O电子商务个性化推荐系统架构,并在此基础上提出了一种基于LBS的O2O电子商务个性化推荐的方法和思路,以期提高O2O电子商务中个性化推荐的效率。     

数字图书馆个性化推荐系统研究

互联网技术的迅猛发展使数字图书馆成为现代图书馆建设的一个重要维度,为读者提供更加优质的信息加工和组织服务方式成为数字图书馆发展的重要方向,基于读者兴趣和使用习惯的个性化推荐系统应运而生。数字图书馆个性化推荐服务主要包括个性化定制服务、个性化推送服务和数据挖掘及决策服务。数字图书馆个性化服务需要通过相应的系统来实现,该系统一般包括用户行为数据收集模块、用户兴趣偏好数据分析模块和算法实现及推荐模型模块。现代智能搜索技术、数据挖掘技术和信息推送技术为数字图书馆个性化推荐系统的实现提供了技术保证。     

基于主体认知的馆藏资源推荐系统模型构建

为提高图书馆资源推荐内容与用户个性化信息需求之间的匹配度,解决信息迷航问题,在情报学认知理论框架下,运用本体方法对图书馆用户和馆藏资源分别构建主体认知模型,在此基础上建立了馆藏资源推荐系统。文章是将认知要素应用于信息推荐系统的有益尝试,以及大数据环境下对图书馆知识服务的新探索。     

基于用户的农产品协同过滤推荐系统的设计与实现

作为缓解信息过载问题的主要手段,个性化推荐技术已经得到广泛的应用。随着农产品电子商务技术的发展,如何将最新的个性化推荐技术应用到农产品的推荐,促进农产品电子商务的发展,是一个非常重要的问题。本文在对电子商务推荐系统原理分析基础上,重点深入探讨了当前应用最为广泛的协同过滤推荐技术。在此基础上,针对农产品的特点,设计并实现了一个基于用户的农产品电子商务协同过滤推荐系统。为提高用户评分的积极性,系统采用一定的激励评分机制,以缓解数据稀疏性问题。系统界面简洁,操作简单,实现了对农产品的有效推荐。     

个性化推荐攻击检测模型研究

协同过滤是最核心、最典型的个性化推荐技术,广泛应用于电子商务,但其推荐结果对用户偏好信息的敏感性使得推荐系统易受到人为攻击,电子商务推荐安全成为个性化推荐能否成功应用的关键。作者先简要介绍了个性化推荐及推荐攻击的基本概念;而后分析比较了各种攻击检测模型。     

基于蚁群算法的协同过滤推荐技术

协同过滤推荐技术是当前最成功的个性化推荐技术,并且已经广泛应用于个性化推荐系统中。考虑到用户的推荐时间、推荐人数都是影响推荐准确度的重要因素,提出了一种基于蚁群算法的动态协同过滤推荐方法。当系统产生推荐项时,该算法不仅考虑每项的评分,而且考虑每项上信息素强度。实验结果表明,该算法可以显著提高传统过滤推荐系统的推荐质量。     

基于B2C电子商务网站的个性化商品推荐系统研究

本文在分析当前B2C电子商务和用户购物特点的基础上,从个性化商品推荐的作用、概念、推荐系统分类,以及多种推荐系统优缺点对比展开叙述,从而系统地介绍了个性化推荐系统在B2C电子商务网站中的应用。     

个性化推荐技术在学科服务中的应用研究

简要介绍了个性化推荐技术的概念及基本功能,从4个不同方面探讨了个性化推荐技术在学科服务中的应用,举例阐述一个基于个性化推荐技术的网络数据库培训推荐服务的应用,表明个性化推荐技术在学科服务中具有重要的应用价值。     

WEB挖掘在农业信息网站个性化服务中的应用

针对个性化推荐及个性化检索服务,给出了基于WEB挖掘的农业信息网站个性化服务系统框架,对系统中涉及的用户兴趣建模、WEB使用挖掘、WEB内容分类等关键技术进行了讨论。     

信息推荐技术与农资网站个性化推荐技术综述

首先分析了个性化推荐技术在国内外的发展历程和研究应用现状,然后对常用的个性化推荐技术进行了归纳总结,最后根据农资信息网的特点,分析了农资信息服务网中的个性化推荐模型及其优缺点。     

基于微信的图书馆公众平台移动服务创新与功能实现

移动信息时代人们的阅读时间日益零散化、阅读需求个性化、信息接收移动化,传统的图书馆到馆阅读方式已经很难满足读者需求,基于微信的图书馆公众服务平台逐渐兴起。介绍了图书馆微信公众平台的系统架构,调研了图书馆利用微信公众平台开展移动服务的现状,分析了其中存在的问题,并从嵌入移动图书馆、智能读者荐读系统、个性化图书信息检索3个方面,深入探讨了基于微信的图书馆公众平台移动服务创新与功能实现。     

基于Item-Based协同过滤农业高校图书个性化推荐算法研究——以河北农业大学为例

针对高校用户对图书的个性化需求,运用用户对图书的评分,构建了基于Hadoop和Mahout的图书推荐系统。通过Hadoop中分布式文件系统(HDFS)和Map/Reduce计算模型的应用,发现当Hadoop中节点数不断增加时,计算时间不断减少,实时响应效率得到了提高;通过对Mahout中传统的Item-Based聚类协同过滤推荐算法进行改进,利用MAE值对传统和改进后的协同过滤算法进行比较,发现图书推荐的精度进一步提高。总体来说,推荐系统改善了传统单机运行内存严重不足和推荐结果不精确的问题。