社交网络中融合社交关系和语义信息的推荐算法

协同过滤方法广泛应用于推荐,但是数据稀疏成为模型提供高质量推荐的一大障碍.为了解决此问题,文中提出融合社交关系和语义信息的推荐算法,提高协同过滤方法的推荐性能,有机融合稀疏的用户行为记录、项目的社交信息和项目的语义信息.应用矩阵分解技术把行为矩阵和项目社交关系映射到一个低维的特征空间,提供项目社交关系信息分解的显式解释,分析关系信息对用户行为偏好产生的影响.同时,使用社会化因子正则的级联去噪自编码器模型学习项目语义特征,改进传统深度学习模型.在真实腾讯微博和Twitter数据集上的实验表明,文中方法有效提高召回率、准确率和推荐效率.     

基于多重隐语义表示模型的旅游路线挖掘

针对用户个性化旅游行为过程的挖掘与景点推荐问题,提出多重隐语义旅游路线表示模型(MLSTR-RM).MLSTR-RM考虑不同上下文对用户旅游路线的影响,高效挖掘旅游路线中丰富的隐语义.首先确定模型中不同上下文包含的隐语义信息,然后通过负采样的方式训练模型参数,最后基于MLSTR-RM模型设计个性化景点推荐方法.在真实数据集上的实验表明文中模型的有效性.     

LDA-RR:一种基于评分和评论的推荐方法

推荐系统是解决互联网信息过载问题的有效途径之一,其中具有代表性的是协同过滤推荐。传统的协同过滤推荐方法只考虑评分信息,而评论信息则包含了用户和物品更具体的特征信息。使用主题模型LDA并结合评分信息和评论信息,提出了一种基于用户改进的LDA算法。假设每个用户下隐含着主题分布,主题下隐含着物品分布,同时 词语的分布由主题和物品共同决定,该算法根据潜在主题分布挖掘用户兴趣进而完成推荐。实验结果表明,改进的算法有效提升了推荐质量。     

Visualizing,clustering, and predicting the behavior of museum visitors

Fine-arts museums design exhibitions to educate, inform and entertain visitors. Existing work leverages technology to engage, guide and interact with the visitors, neglecting the need of museum staff to understand the response of the visitors. Surveys and expensive observational studies are currently the only available data source to evaluate visitor behavior, with limits of scale and bias. In this paper, we explore the use of data provided by low-cost mobile and fixed proximity sensors to understand the behavior of museum visitors. We present visualizations of visitor behavior, and apply both clustering and prediction techniques to the collected data to show that group behavior can be identified and leveraged to support the work of museum staff.     

足球视频搜索引擎中的用户偏好挖掘

目的：互联网信息量的急速增长使得人们需要花费大量时间从搜索引擎召回的结果中浏览自身感兴趣的内容,结合用户的搜索日志信息和社交平台信息,提出一种分层的实时偏好挖掘模型,为用户提供个性化搜索服务。方法：在系统分析偏好挖掘的国内外研究现状的基础上,针对足球视频,提出一种分层权重无向图（Hierarchical Weighted Undirected Graph,HWUG）用户偏好模型,充分考虑了用户偏好之间的关联信息,通过获取用户足球领域的显式和隐式反馈信息,提取反馈信息中的偏好标签和偏好动作,并引入时间衰减因子,实现了用户足球偏好的实时计算。结果：算法已经应用在在搜球网（www.findball.net）的个性化检索结果排序和视频推荐上,并已经取得了很好的效果。结论：实验结果表明,结合特定领域的知识,基于分层无向权重图模型的偏好挖掘算法能更准确和实时反映用户的足球偏好。     

基于定性映射的影视推荐系统的应用与研究

分析目前比较流行的两种推荐算法各自存在的优缺点,针对两种单一推荐算法各自的优缺点,提出一种基于定性映射的混合推荐算法模型,以拓扑邻域为定性基准进行邻近查找操作,通过转化程度函数对结果进行优化,提高推荐系统的推荐精度,并通过实验验证该混合算法的可行性和精确性。     

基于Excel VBA的就业推荐表生成系统设计与实现

利用Excel和VBA设计并实现了就业推荐表生成系统,克服了手工填制的缺点,提高了工作效率和管理水平。     

基于数据库技术的Apriori改进算法研究与应用

通过学习《数据库原理与应用》这门学科,将数据库知识与数据挖掘知识相结合,研究Apriori改进算法及它在餐饮智能推荐中的应用。针对基本Apriori算法在运行过程中需要多次扫描数据库,算法每次生成的候选项集多,导致系统开销过大,运行效率低的问题,提出一种改进的Apriori算法。将改进后的算法应用到餐饮智能推荐中,取得良好的效果。     

用户兴趣模型的更新与遗忘机制研究

根据HTML文档的特点,赋予不同标签限定的特征词相应的权重系数,从而计算特征词的权值,并根据用户的浏览速度更新兴趣模型,其次,采用在在用户模型的特征向量中引入该特征词最后一次的更新时间,并结合遗忘因子修正特征词的权重的方法,实现了模型的遗忘。实验证明,引入遗忘机制的个性化推荐系统获得了较高的推荐效率。