基于信任关系的潜在好友推荐方法

如何有效地帮助用户挖掘平台潜在好友成为电子商务中一项非常重要的服务需求。提出了一种综合考虑用户间兴趣因素和信任因素的好友推荐方法,设计并构建了一个包括用户声望信任和局部信任的混合信任网络,将网络中信任评价度与协同过滤中兴趣评分相似度进行组合来衡量用户间好友相似关联,以实现好友推荐。在Epinions数据集上以准确率、召回率和F值作为实验评价指标,对所提方法进行验证,相比其他同类应用准确率在10％-15％、召回率在10％～20％的性能,本文方法的准确率和召回率的最佳性能分别达到22．47％和21．15％,实验证明本文方法有效提高了推荐性能。     

Spark平台下聚类挖掘的智能推荐系统

为了提高智能推荐系统的性能,采用狼群优化的K-means聚类挖掘实现数据分类,通过协同过滤完成智能推荐。为了提高推荐效率,引入Spark平台多节点完成聚类和推荐。建立用户和资源的K-means聚类模型,采用狼群优化算法对初始类别中心点进行优化,以提高聚类准确度,根据用户和资源的类别属性获得用户-资源评分数据,最后建立协同过滤智能推荐模型。根据推荐效率要求,将推荐模型部署至Spark平台,实现聚类和智能推荐的分布式运算。实验证明,通过合理设置聚类中心点数目,结合Spark平台多节点运算,与常用推荐算法对比,所提算法可以获得更准确的推荐性能,在大规模数据的智能推荐系统中更能满足实时性要求,智能推荐效率高。     

基于JADE的multi-Agent智能网络化资源推送关键技术

传统资源推送关键技术仅可对已经完成规则定义的资源进行推送,无法按照用户兴趣完成推送,大量信息采集困难,资源推送结果无法满足用户需求,准确性低。为此,提出一种新的基于JADE的multi-Agent智能网络化资源推送关键技术。设计multi-Agent智能网络化系统,通过JADE平台为multi-Agent系统的实现提供中间件,实现multi-Agent系统。对Agent模型协同工作进行规范,对模型接口、结构等进行统一描述。对体现multi-Agent智能网络化Agent间兴趣相似度的信任权值进行调整,按照调整后的信任权值对Agent间的关系进行改变,实现社区构建,为multi-Agent智能网络化资源推送提供技术支持。实验结果表明,采用所提技术实现multi-Agent智能网络化资源推送,推送结果准确,能够满足用户需求,适应能力强。     

基于语义Web的多功能情报信息自适应检索技术

为了解决传统依据关键字、概念和属性值等检索技术没有考虑不同主体中情报信息间的语义关系,无法提供令用户满意的情报检索结果问题,通过语义Web方法研究了多功能情报信息自适应检索技术。设计基于语义Web的多功能情报信息自适应检索模型,检索模型包括人机交互层、知识处理层以及知识存储层。在知识存储层建立本体语义模型。在知识处理层,从检索的多功能情报信息关键词中推断和其语义有关的概念,依据概念有关词汇对原始查询进行扩展,对语义相似度进行计算。在人机交互层,将用户反馈情况看作判断检索结果优劣的衡量因素,依据相似关键词获取相似结果集,按照反馈因子完成对所有相似结果的排序,把排序结果发送给用户,实现多功能情报信息自适应检索。结果表明,所提方法能够同时保证召回率与精度;排序误差率低;检索结果和用户查询结果最相符,检索结果准确,可令用户满意。可见所提方法检索性能强。     

基于JADE的Multi-Agent智能网络化资源推送关键技术研究

传统资源推送关键技术仅可对已经完成规则定义的资源进行推送,无法按照用户兴趣完成推送,大量信息采集困难,资源推送结果无法满足用户需求,准确性低。为此,提出一种新的基于JADE的Multi-Agent智能网络化资源推送关键技术。设计Multi-Agent智能网络化系统,通过JADE平台为Multi-Agent系统的实现提供中间件,实现Multi-Agent系统。对Agent模型协同工作进行规范,对模型接口、结构等进行统一描述。对体现Multi-Agent智能网络化Agent间兴趣相似度的信任权值进行调整,按照调整后的信任权值对Agent间的关系进行改变,实现社区构建,为Multi-Agent智能网络化资源推送提供技术支持。实验结果表明,采用所提技术实现Multi-Agent智能网络化资源推送,推送结果准确,能够满足用户需求,适应能力强。     

语音识别技术在数字图书馆检索系统中的应用

概要介绍了语音识别技术和微软语音开发应用程序接口(Microsoft Speech API,SAPI)。语音识别技术随着计算机技术的发展而逐渐成熟,使计算机能够识别用户的语音输入,记录下用户的语音信息并执行相应的命令。微软的SAPI是Windows操作系统下的语音识别开发平台,它开发快捷,有设计良好的运行机制、识别引擎和调用接口,能够模块化组件开发。其次,利用SAPI,设计实现了应用语音识别技术的数字图书馆检索系统。此系统使用户在使用数字图书馆时检索更加方便,读者说出想查询的内容,系统即可完成整个检索过程并显示查询结果。此系统基于SAPI平台开发,采用了MySQL作为后台数据库。此检索系统分为一站式检索和智能检索。其中,一站式检索为读者提供了通用语音识别框,读者检索时无需使用鼠标和键盘,只需说出自己想要查找内容的关键词即可查询。一站式检索系统不仅能够实现对图书馆数据库的关键词检索,而且在界面上还同步提示出可选关键词、现有馆藏书目、借阅情况等信息,协助用户检索信息。而智能检索是在一站式检索的基础上,结合了中文分词技术,进一步降低搜索难度方便用户使用。用户检索时无需考虑关键词、检索语法,只需像平时一样说出想检索的内容,检索系统会自动识别用户的语音,然后进行智能分词,再通过转换过程,过滤出关键词并生成专业的检索语法进行检索,并最终返回检索结果。整个识别、分词、转换过程由系统自动完成,无需读者干预。随着技术的进步,结合了语音识别的检索系统将使数字图书馆能够更加方便快捷地为读者服务。     

基于图嵌入向量的课程推荐算法研究

互联网技术的飞速发展，推动了传统教育方式的变革，在线教育逐渐成为了人们学习的一种重要方式。然而在线课程种类繁多，用户在学习过程中，往往难以找到符合自身需求的课程。面对信息过载问题，越来越多的研究人员将兴趣投入到在线课程平台的推荐算法中来。在线课程平台常用的协同过滤推荐算法基于用户相近的兴趣进行推荐，然而，忽略了用户学习的时序特征。针对此问题，文章提出一种基于用户点击时序网络嵌入向量（Graph Embedding Vector,GEV）的推荐算法。首先，利用用户的学习记录构造用户点击序列图，然后利用Skip-gram算法和负采样算法学习到课程的嵌入向量表示，最后，通过向量检索的方式为用户生成推荐候选集。实验结果表明，与MF、DeepWalk、协同过滤等传统算法相比较，该算法在MOOC数据集的推荐召回率上均有提升。因此，实验结果证明了利用图嵌入方法获取向量表示进行推荐可以有效提升推荐召回率。     

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。     

基于关联关系的仿真模型实时智能推荐方法

当全球导航卫星系统(global navigation satellite system,GNSS)分布式仿真环境中共享的模型数量非常多时,检索模型和配置仿真任务将成为一个比较复杂的工程.为提高仿真模型选取和仿真任务配置的效率,设计了一套针对GNSS分布式仿真环境中仿真模型的实时智能推荐方法,方法中首先定义了模型关联关系和接口形状的概念,然后提出了一种条件约束下的频繁模式树(FP-tree)结构,并从理论上分析了该结构在检索任务量方面的减少程度,设计并推导了模型关联关系度的计算方法,以及整套智能推荐方法的运行流程.推荐方法在GNSS分布式仿真环境中进行了仿真验证,仿真结果与传统智能推荐方法做对比分析,分析结果表明,该方法针对仿真模型推荐时运行时间短,推荐结果准确度高,能够实时为用户推荐合适的模型.     

一种基于社会化媒体和社会网络结构的混合推荐模型

近年来,社交网络的迅速发展为在线用户之间的沟通和交流带来极大便利,为良好的信息推荐服务提供了丰富的资源,与此同时也为个性化推荐带来了更为复杂的技术挑战.本文通过自然语言处理技术获取用户在社会化媒体(新浪微博)中的个性化兴趣标签信息,应用到自行设计开发的社会化阅读应用牛赞网中.进一步地,利用用户在牛赞网中的阅读行为和社交信息,结合用户的社会化媒体兴趣,提出了一种混合推荐模型.实验基于牛赞网中的实际数据集,并与基于用户的经典协同推荐模型进行了对比,结果表明,提出的模型在推荐性能的几个指标(AUC、准确率、召回率、多样性和新颖性)上都有很大的提高.最后,通过对牛赞网中几个典型用户进行进一步的案例分析后得出,混合推荐模型的最优参数需要根据不同社会化行为的用户进行调节.     

挖掘用户兴趣的Web智能检索桌面的研究

以“行业概念语义网络模型”所采集、过滤以及分类后检索到的Web页面为数据模型，进行关联分析和兴趣规则挖掘，设计出一个既可描述Web页面链接结构信息特征，又能预测用户访问兴趣的智能检索桌面模型。从而实现了用户在Internet上快速地访问有用信息的个性化导航和智能检索功能。     

特大城市云架构智能位置服务平台技术科技报告

该课题的总体目标为在特大城市层面建设一体化的智能位置服务开放式平台,实现基于B2B的位置服务模式,为位置服务开发商提供安全的运营平台,从而实现各类移动终端的位置信息共享共通。并在此运营平台的基础上开发商业化的位置服务模式和领域,拓展导航位置服务的应用领域。依托城市定位数据解算中心,在解决持续高并发的终端定位管理技术和终端定位信息与服务开发商准实时匹配技术的基础上,突破电信级智能位置信息服务平台构建的关键技术,从而实现面向特大城市的B2B商业化服务。课题构建云架构的电信级智能位置信息服务平台(吞吐率每秒600 000次以上,基于平台的服务开发商数量不少于100个),创新研究一种室内外位置信息的智能发布模型,实现无缝化的位置信息集成管理,并提供高效的访问接口。课题总体进展如下所示:(1)完成了业务需求分析与系统总体设计、智能位置服务平台设计、室内外位置信息集成管理设计,完成了平台各模块之间的接口规范与模块的详细设计,研究了智能位置服务平台体系结构与设计,形成了特大城市云架构智能位置服务平台总体技术需求分析与总体设计方案;(2)完成各项关键技术的研究,包括:终端位置信息与服务开发商准实时匹配技术、终端位置信息智能化管理技术、B2B服务开发商应用访问体系和接口技术、服务开发商的B2B位商业化模式及关键技术,形成各项关键技术研究报告;(3)完成了资源整合与入库、网络环境、存储设备、运行设备调试与应用集成,搭建了电信级高吞吐量智能位置服务平台;(4)完成了1套编程和非编程的应用访问接口的开发,形成了相应的接口使用文档;(5)基于位置服务平台,面向终端用户,开展了基于安卓/i OS平台的服务应用集成,包括各应用的前端App,后台服务,及相关统集成工作;(6)基于云服务的思想建立了统一的服务资源管理体系,把用户信息、位置信息、商业服务信息采用统一的资源描述方法;建立了用户信息、位置信息、商业服务信息与服务开发商之间的位置服务四面体关系;(7)研究了室内地图的制图和室内外一体化空间位置集成的方法,完成了室内地图数据采集、室内地图数据编码规范(参考OGC)、室内地图配图、室内外无缝地图数据库建设、室内位置信息源控制点部署的空间分布规律研究等工作。成功申请了2013年海淀区重大公关项目"室内外无缝定位关键技术研究与应用示范",并参与了"羲和系统"的相关标准制定;(8)课题申请软件著作权7项,专利8项,发表论文17篇,培养研究生6名。     

融合改进的内容与协同过滤的博客推荐方法

在中文博客系统中,受限于用户特征信息的稀少,使用协同过滤算法的准确率往往不高,而基于内容推荐算法,又会影响推荐结果的多样性.因此,文章提出了一种融合改进的内容推荐与协同过滤相结合的推荐方法.首先,采用协同过滤算法发现用户的潜在兴趣并通过谱聚类改进协同过滤的相似度计算,提高处理效率;其次,基于改进的内容的推荐算法构建用户的既有兴趣模型,计算潜在推荐内容与既有兴趣模型的匹配度;最后,通过逻辑回归算法融合协同过滤与内容推荐的结果.实验结果显示,文章所提出的推荐方法相对于单一的协同过滤和内容推荐可以显著提高推荐的结果的准确率和召回率,具备良好的推荐效果.     

高校图书馆搜索引擎中Web挖掘的应用研究

针对高校学术信息资源检索的精确度问题,提出了运用Web挖掘的高校图书馆搜索引擎系统。它主要对Web使用记录挖掘及其用户兴趣模型的建立进行了详细分析。首先它阐述了高校图书馆搜索引擎系统的4个过程,其中主要提出建立用户兴趣模型时采用的一种利用用户浏览页面集的内容信息和浏览行为信息,隐式地创建用户兴趣描述文件的方法;然后阐述了高校图书馆搜索引擎系统的各处理模块;最后设计了结合Web数据挖掘的高校图书馆搜索引擎系统操作过程,保证了所创建的用户兴趣模型的准确性,从而有效地提高高校图书馆搜索引擎系统的查准率。     

浅谈基于云计算的图书馆服务创新

云计算的出现打破了传统数字图书馆处理大数据的性能瓶颈.为数字图书馆引入前沿的计算机技术提供了良好的平台.从云计算的概念和特点入手,探讨了基于云计算的图书馆服务创新,包括智能信息检索、读者兴趣挖掘及虚拟图书馆等.     

基于人工智能的社交网络用户行为数据周期推荐算法

为提高社交网络个性化服务质量,研究数据周期推荐算法的重大意义,针对传统推荐算法相似度计算准确率不高,导致推荐结果精度低、召回率低和耗时长等问题,提出一种基于人工智能的社交网络用户行为数据周期推荐算法。首先依据用户行为建立评分矩阵,利用皮尔逊相关系数计算评分矩阵评分值与网络行为数据相似度,依据计算得出的相似度以协同过滤为核心来检出需要推荐的社交网络用户数据内容,其次利用Top-N法生成用户邻居集,最后实现社交网络用户行为数据内容周期推荐。实验测试结果表明,所提算法的相似度计算准确率较高,网络用户行为数据周期推荐结果精度可高达97.2%,且推荐结果召回率高、耗时低,提高了社交网络个性化服务质量。     

用户协同过滤个性化图书推荐算法的改进与实现

读者想要迅速从海量图书资源中找到需要的图书是其面临的难题,个性化图书推荐服务为解决这一难题提供了有效手段.针对传统用户协同过滤算法存在的问题,依据用户协同过滤推荐算法基本原理,以基本数学模型为基础,从解决数据稀疏性、用户兴趣随着时间迁移而衰减、用户特性影响用户兴趣等方面进行了改进,并设计了算法实现流程,为应用系统开发提供解决方案.研究结果表明,通过对用户协同过滤个性化图书推荐算法的改进,有效提高了图书资源检索和推荐的智能水平,满足了用户的个性化需求,解决了软件开发关键性技术问题.     

基于Multi-Agent的高校教学资源平台智能推荐模型

随着高校教学资源平台建设的日益普及,各种形式教学资源素材数量不断增加,如何为用户提供智能化的教学资源推荐,是教学资源平台的一项关键工作。本文建立基于Multi-Agent的智能推荐模型,并采用DEVS(Discrete Event Systems)规范进行形式描述,规范其结构、工作接口及协调方式,并给出了基于用户习惯人类动力学分析和基于用户兴趣相似度分析两个角度对用户进行智能推荐的关键算法,对于提高系统整体智能性及个性化用户服务有着积极有效的作用。     

结合时间上下文和兴趣模型协同过滤推荐算法

针对传统协同过滤UserCF推荐算法，用户相似度计算数据维度单一、精确率低、用户兴趣动态漂移等问题，提出一种结合时间上下文和用户兴趣动态衰减模型的协同过滤推荐算法.在传统协同过滤算法中结合时间上下文优化用户相似度的计算，引入用户收敛兴趣衰减模型，动态评估用户兴趣变化.算法通过MovieLends-1M数据集进行实验验证，按照F_β值、准确率、召回率与传统UserCF、UserCF-IIF算法进行对比分析.实验结果表明：本文算法精确率最高可达25.6%、召回率最高可达12.2%，相比UserCF、UserCF-IIF算法，在F_β值方面本文算法具有明显提升.     

基于关联的科技文献检索方法

设计了一种科技文献关联模型,并基于此模型提出一种科技文献关联检索方法.科技文献关联模型描述了科技文献中的实体和实体之间的各种关联、实体的属性以及关联的属性,从全局的角度为科技文献检索构建了一种整体结构,为科技文献中孤立信息的互联提供支持.科技文献关联检索方法为用户检索提供全面的关联信息,支持用户检索行为的连续性以及不同的文献实体之间的交叉检索,便于用户逐步浏览感兴趣的文献信息.通过与文献检索系统CiteSeer和DBLP检索方法的对比测试,结果表明了本方法的有效性.