高校科研资源的个性化融合推荐

为满足高校师生对科研资源复杂的个性化服务需求,设计了高校科研资源个性化服务系统,简称个性化科研服务系统(PSRSS,personalized scientific research service system)。全面分析了高校科研用户的个性化科研资源服务需求,设计了基于数据层、融合多种推荐策略的推荐计算层、应用呈现层的多引擎融合推荐系统架构,基于不同推荐场景,比较了不同的推荐算法并对选择的算法进行了针对性优化,探讨了用户模型和科研资源模型的设计,实现了基于资源热度、项目内容相似度、相似用户协同过滤的Top-N推荐。系统提升了高校师生获取科研资源的体验,为高校科研资源个性化服务系统建设提供了新思路。     

电子商务推荐系统的应用研究

随着互联网的普及和电子商务的发展,商品推荐系统逐渐成为电子商务IT技术的一个重要研究内容,越来越多地受到研究者的关注。本文简要的介绍了电子商务推荐系统的概念及其分类,详细地论述电子商务推荐系统所采用的推荐算法及其实现。     

三支交互推荐

模拟现实电子商务推荐场景,设计三支交互推荐模型,提出结合流行度区间和M-distance k近邻的混合推荐算法.在"推荐""不推荐"基础上引入"促销"构成三支,以丰富系统行为、降低推荐代价;构造序贯三支人机交互,持续学习用户的消费习惯,并提供更精准的推荐;根据目标用户的消费记录,选择适当的推荐策略.在多个数据集上的实验结果表明,与其他粗糙集模型下的算法相比,该算法的平均代价更低.     

基于用户浏览行为挖掘的电子商务个性化推荐系统

本文介绍了电子商务个性化推荐系统，在此基础上提出了一种新的基于用户浏览行为进行数据挖掘的个性化推荐系统模型，并给出了详细的挖掘流程及实现算法。     

基于并行优化的免疫推荐算法

随着互联网应用的不断发展,电子商务受到越来越多的重视。如何为用户提供更加个性化的服务,提高其商品的吸引力,进而为企业带来更大的收益,就成为了网站所面临的核心问题。通过对人工免疫理论的研究,讨论了将人工免疫网络技术应用于电子商务个性化推荐的思想,并对已有算法进行了并行化的改进提出了并行免疫推荐算法(PINR)。实验结果表明,该算法在保证免疫推荐质量的基础上,大大降低了算法的运行时间,具有很好的应用价值。     

司法场景下案例推荐系统的召回方法研究

司法案例推荐主要具有司法领域知识重要、用户关注点集中等特点。目前,大多数推荐方法研究聚焦于精排步骤,对实际系统中召回研究相对有限,特别是缺乏在司法等特定场景下的召回研究。文章从司法案例文书的特点出发,设计了基于内容、协同过滤、热度的召回策略,特别考虑到司法领域知识的利用,设计了基于司法要素的召回策略。随后,提出基于多路融合的召回算法,将不同召回策略进行组合,组合方式包括各路择优选择、加权投票等。最后,基于真实司法信息系统构建案例推荐数据集,对不同召回策略以及多路召回的组合方式、网络结构、最佳权重开展了探究分析。实验结果表明,基于案由的召回是单路召回中的最优方法,召回率为0.43,多路召回的最佳方式为各路加权投票,召回率为0.72。     

推荐系统及其相关技术研究

在介绍推荐系统的定义和分类的基础上,深入讨论现有推荐系统普遍存在的问题,并提出了相应的改进策略:结合上下文信息;支持基于多标准推荐算法;在保证推荐精度的同时兼顾推荐的多样性;加强交互界面设计,提高系统逻辑的透明度;支持包括推荐包在内的多种推荐模式.我们相信这些策略有助于提高推荐质量,激发用户的参与度,从而增强推荐系统的实际可用性.     

基于协同过滤的电子商务平台个性化推荐模型的设计与实现

电子商务平台是一种新型网络交易平台,在该平台上进行信息推送可以提高交易完成的速度,促进交易量,传统的推送方式都是直接将信息推送给客户,内容庞大,且绝大多数与用户需求不相关,推送效果不好。为了解决此问题,基于协同过滤手段设计了一种新的电子商务平台个性化推荐模型,首先设计了推荐模型框架,该框架由数据层、应用层和推送层三部分组成;然后研究了模型的工作流程,介绍了网络数据分析、在线推荐、推荐过程实现三个流程;接着阐述了电子商务平台的Apriori算法和Clique算法两种推送算法,从产品分类、产品信息和产品属性三个角度分析了该模型的实现;最后通过与传统模型的对比实验验证了本文设计模型的可行性,由实验结果可知,该模型能够精准地匹配出用户信息和产品信息,并对其进行匹配,从而完成推送。     

一种基于图神经网络的社会化推荐算法

现有的社会化推荐算法大多着眼于用户购买或点击等单一的交互行为,并未同时考虑收藏、浏览等多种不同的交互行为.而且当前的社会化推荐算法重点只关注推荐的准确性,忽略了推荐结果的可解释性.针对以上问题,提出了一种基于图神经网络的社会化推荐算法SRGN,将用户的社交关系和物品间客观存在的语义联系以特定的方式注入到算法架构中,并且利用消息传递的方式实现交互的多行为联合编码,从而提升推荐的准确性.此外,设计了可解释模块为推荐结果提供推荐的理由.在两个真实数据集上与其他8种算法进行对比实验,结果表明提出的算法在推荐性能和用户友好性上具有明显的优势.     

基于用户特征和评分的精准推荐策略研究

个性化推荐系统是帮助用户发现内容,克服信息过载的重要工具.为了提高推荐算法的准确率和效率,综合协同过滤推荐算法和K-means聚类算法,设计了一种基于用户特征和评分的精准推荐策略.该策略一方面针对新用户冷启动问题,引入K-means聚类算法对全体用户特征进行聚类,将新用户所属类中其他用户喜好的物品中的Top N个推荐给...     

基于大数据的人工智能跨境电商导购平台信息个性化推荐算法

传统算法计算与存储开销大,影响推荐结果准确性,不适于含大规模数据的人工智能跨境电商导购平台信息的个性化推荐的。为此,通过大数据技术研究人工智能跨境电商导购平台信息个性化算法,使得大数据技术在Hadoop平台实现,通过Map将任务分解成多个任务,采用Reduce将分解后多任务处理结果集合在一起,获取最终处理结果。通过两个MapReduce与一个map对平台中用户偏好获取算法进行并行化处理。针对用户偏好,通过关联规则挖掘获取和用户偏好相符的商品,推荐给用户。结果表明:所提算法推荐准确率、召回率和平均精度均高于其他算法;所提算法推荐商品符合用户偏好;所提算法推荐商品信息点击率与转换率最优。可见所提算法推荐精度高,推荐商品信息可满足用户偏好,应用性强。     

一种基于用户行为反馈的兴趣度模型更新算法

个性化推荐技术在电子商务系统中得到了广泛应用.针对现有的用户模型不能及时根据用户自身兴趣偏移进行更新的问题,提出了一种基于用户行为反馈的兴趣度模型的更新算法,在创建好模型的基础上,分析用户的购买记录和用户的浏览行为,结合用户的兴趣内容,实现用户兴趣的自动更新,得到的针对新的用户兴趣的推荐商品列表,在此基础上结合用户的购买商品记录,实现推荐商品的个性化排序,从而向用户进行个性化推荐.实验对比结果表明,该算法能更好地发现用户当前的购买兴趣,从而进一步提高个性化推荐精度和用户满意度.     

基于智能DNS电子商务系统的负载均衡研究

电子商务服务平台是电子商务业务逻辑发布和运行的网络平台。如何为终端用户提供可靠7＊24不间断服务,同时保证得到最快的访问响应速度,并有效利用企业电子商务服务器是电子商务服务平台设计的关键。文中基于最快响应的Web服务器选择算法（FRWS）,构建了一个基于IDNS的负载平衡解决方案。该方案自寺仿真系统性能测试结果表明：该方案是可行且有效的,能大大提高了用户的访问效率。     

基于XML的移动电子商务数据加密技术的研究

针对移动电子商务的特点,依托XML语言强大的数据处理能力,提出了一种基于XML的移动电子商务数据平台上实现数据加密的技术,即采用改进的对称RC4加密算法和非对称ECC加密算法对移动平台的数据进行加密,该技术使得移动终端之间或者移动终端与数据服务器之间能够更好、更安全的进行交互.整个过程始终采用XML作为数据交换的中介,...     

正负关联规则挖掘算法在电子商务网站中的应用

摘要 为了增加电子商务网站的销售额,分析了商品推荐在电子商务系统中的作用,研究了数据挖掘中的正负关联规则挖掘技术的特点,提出了一种新的正负关联规则挖掘算法。新算法通过使用旋转数据库和位运算减少了扫描原始数据库的次数,加快了挖掘速度。另外,新算法在挖掘正规则的同时,利用负规则裁减掉无效规则,得到的结果更符合用户的购物行为。通过测试得出新算法比传统的Apriori算法执行时间更短,商品推荐更精确。     

电子商务系统评价模型及其应用

为企业实施和改进电子商务系统,提出了企业电子商务系统评价模型。该模型包括电子商务系统评价指标、指标权重、评价方法3个部分。指标赋权方法用的是专家群组构权,评价方法则包括4种具体的评价方法和基于兼容度的选择方法。用该模型对中国45家软件企业进行了调查,结果表明中国的软件业企业实施电子商务主要是为了提高企业的知名度,降低市场营销费用和提高客户满意度。同时,得到了被调查企业电子商务系统的评分和排序。该模型具有可操作性,弥补了当前电子商务系统评价研究的不足。     

基于用户行为模型的身份验证算法研究

身份认证技术是电子商务系统的重要环节。本文根据电子商务系统用户的特点，将网络入侵检测技术的思想引入用户身份验证，提出了基于用户行为模型的身份验证方案。该方案选择用户消费习惯、用户浏览时间以及用户键盘输入特性作为数据源，根据综合验证算法计算值与阈值对照，对用户身份进行验证。本文全面阐述了该身份验证方案的基本思想、测量点的选择和取值、以及综合验证算法等关键问题和解决方案；重点介绍了基于AHP方法的用户消费习惯模型的建立过程，以及利用该模型计算某种商品和用户期望值向量的相似度算法。     

B2C环境下订单配送问题的模型与算法

以电子商务企业交易为背景,分析了B2C环境下客户订单的特点及客户对订购货物配送服务的要求,针对该环境下的物流配送问题建立了相应的数学模型,设计了一种改进的禁忌搜索算法,进行了算例测试,并将测试结果与相关文献结果进行了比较.实验结果表明:改进的禁忌搜索算法在优化效果及计算时间等方面比有记忆功能的遗传模拟退火算法具有更优的性能.该算法能适应电子商务环境下快速、低成本的配送要求且简单易行,为电子商务环境下订单配送问题的研究提供了新的思路.     

基于Flash+XML的动态三维展示平台的设计与实现

随着电子商务的迅速成长,电子商务平台也趋向成熟,但目前的B2B主要采用二维图像展示产品,这样势必制约产品展示,对三维电子商务平台的需求已经形成共识。平台利用了Flash与XML之间的通信原理以及算法实现产品的动态展示、手抓360度旋转、放大缩小等效果。     

电子商务常用数字加密技术分析

就电子商务常用加密算法进行分析,总结优缺点.