学习资源网络模型构建及资源推荐策略设计

通过分析基于终身学习机制的个性化推荐系统与基于电子商务的个性化推荐系统的区别,确定基于终身学习机制的个性化推荐系统的关键问题就是如何为学习者获得想要具备的能力推荐满足他们个人需求、个人爱好以及目前已具备的知识结构的最佳学习路径.针对终身学习中正式学习和非正式学习不同的学习情况,构建了学习资源网络模型,在此基础上将基于本体的推荐技术和协同推荐技术相结合,为学习者的不同学习情况运用不同的推荐策略推荐最佳学习路径.最后通过实验对推荐结果进行分析,确定最优方案.     

基于关联规则优化的个性化推荐系统

针对当前个性化推荐系统处理数据效率较低的问题,提出了一种混合聚类关联规则优化的个性化推荐系统实现方法.深入分析了基于Web网络服务平台的电子商务个性化推荐系统的结构组成,将数据分析与推荐算法实现分为离线和在线处理两部分,阐述了算法初始化、关联实现以及推荐数据集合生成和兴趣模型预测的具体原理,并给出了算法的实现步骤.最后,基于提出的系统构建模型,建立了一种基于混合聚类关联优化的图书网络推荐平台.实验结果表明,该方法具有较高的推荐精度和推荐效率,更适合大数据环境的推荐系统.     

基于Web2．0用户个性化推荐系统分析

为实现用户个性化服务,理解用户兴趣爱好．通过建立用户兴趣模型和推荐库．采用用户兴趣行为描述、重排序算法以及用户反馈算法,分析基于Web2．0用户个性化推荐系统．以提高推荐结果的准确性。     

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。     

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。     

电子商务中的推荐技术探讨

推荐系统从网站数据中提取用户感兴趣的信息,为用户提供个性化服务。本文对目前推荐系统所使用的技术进行了分析,讨论了电子商务推荐系统面临的问题和未来的研究方向。     

本体技术在个性化推荐系统中的应用研究

针对个性化推荐系统中传统的用户建模技术的缺陷,本文将领域本体的理论与方法应用到电子商务个性化推荐中,设计了一种本体和服装信息相结合的个性化推荐模型。利用Protégé实现了服装知识本体的构建过程,在真实数据集上的实验结果验证了算法的可行性和有效性。该设计与已有的推荐算法相比,具有更高的预测准确度。     

基于MVC的电子商务推荐系统设计与实现

以MVC为基础，构建电子商务推荐系统，实现电子商务的智能化和人性化，从而最大限度地满足顾客需求．     

一种基于商品基因的个性化推荐模型

个性化推荐技术在电子商务系统中得到了广泛应用．但现有的个性化推荐模型不能反映出商品的某些特殊属性对用户购买行为的影响及用户购买某商品的真正原因．引入生物界中基因的概念,提出了基于商品基因的个性化推荐模型,发现用户钟爱商品基因,并将钟爱商品基因遗传到用户选择的商品．该模型能更好地发现用户的购买动机,从而进一步提高个性化推荐精度和用户满意度．     

基于综合用户信息的用户兴趣建模研究

为实现个性化服务,理解用户兴趣成为提供搜索服务的关键任务,因此针对传统的用户兴趣建模技术的一些不足,提出了基于浏览内容、浏览时间和操作时间的综合用户兴趣建模方法,将VSM和SVM引入用户兴趣模型的构建,并在此基础上给出了推荐系统的框架,实现了基于此模型的推荐系统.试验结果显示,系统较好的实现了用户感兴趣信息的推荐.     

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。     

A collaborative filtering recommendation algorithm based on item and cloud model

Recommender system is an important content in the research of E-commerce technology. Collaborative filtering recom-mendation algorithm has already been used successfully at recom-mender system. However,with the development of E-commerce,the difficulties of the extreme sparsity of user rating data have become more and more severe. Based on the traditional similarity measuring methods,we introduce the cloud model and combine it with the item-based collaborative filtering recommendation algorithms. The new collaborative filtering recommendation algorithm based on item and cloud model (IC-Based CF) computes the similarity de-gree between items by comparing the statistical characteristic of items. The experimental results show that this method can improve the performance of the present item-based collaborative filtering algorithm with extreme sparsity of data.     

一种基于对话的电子商务推荐系统

提出了一种基于AIML的自然语言对话型的智能电子商务推荐系统.首先通过构建用户模型,对某类特定用户生成相应的产品推荐列表,从而完成系统对用户的首次产品推荐;其次通过引入AIML人工智能标记语言,构建专家知识库,通过系统与用户之间多次的自然语言交互,找到用户的兴趣点,修正首次的产品推荐列表.这种系统通过交互能力的改善和产品推荐准确性的提升,可以提高用户的满意度.     

基于案例推理的个性化推荐系统数据源研究

大数据时代,海量资源给用户快速从浩瀚的资源中获取所需信息带来了难题,个性化推荐系统的市场需求越来越大。案例推理技术在个性化推荐系统中的应用还很少,因此,提出了基于案例推理的个性化推荐系统数据源建设方案。分析了数据源的组成,建成了包括用户案例库和知识库的个性化推荐系统数据源,为案例推理提供了一定的基础数据。系统研究结果表明,数据源建设对系统推荐结果个性化程度的质量具有重要意义。     

基于聚类的智能网页推荐系统研究

设计了一种智能网页推荐系统的架构,其中包括数据预处理、聚类分析和网页推荐3个子系统,可以根据网站的访问日志来对用户进行自动分类,进而对网站的新用户在线提供网页推荐。提出了路径间距离的计算方法,进而研究了聚类子系统的结构,并通过对微软网站中用户访问日志的仿真实验,说明了所述方法的有效性。     

基于顾客交易数据的协同过滤推荐方法

分析了B2C电子商务网站中应用最广的协同过滤推荐方法在数据源方面存在的局限性,提出了一种基于顾客交易数据的协同过滤推荐方法.该方法的基本原理是:基于顾客的购买历史记录,获得顾客对于各种商品的最近购买时间R(Recency),购买频率F(Frequency)和购买金额M(Monetary)等指标,利用这三个指标确定顾客对已购商品的偏好程度;进一步建立体现顾客商品偏好度的IRFM矩阵,并以该矩阵为数据源为顾客提供个性化的商品推荐.该方法能为老顾客提供质量更高的推荐,进一步扩展了协同过滤方法的应用范围.     

基于客户行为和兴趣变化的电子商务推荐系统

目的改善传统协同过滤推荐系统,提高推荐结果的准确性。方法采用混合推荐方法,将客户对商品的显式评分和客户的访问行为相结合,并借鉴心理学遗忘规律,引入指数遗忘函数,将客户评分数据的重要性依据时间逐渐衰减,以此来反映客户的兴趣变化。结果设计了基于客户行为和兴趣变化的混合推荐模型,给出了客户兴趣数据的获取方法和考虑客户兴趣变化的推荐方法。结论该方法在推荐结果的准确性上要优于传统的协同过滤推荐。     

An E.Commerce Recommender System Based on Content-Based Filtering

Content-based filtering E-commerce recommender system was discussed fully in this paper. Users＇ unique features can be explored by means of vector space model firstly. Then based on the qualitative value of products informa tion, the recommender lists were obtained. Since the system can adapt to the users＇ feedback automatically, its performance were enhanced comprehensively. Finally the evaluation of the system and the experimental results were presented.     

协作过滤信息推荐技术研究

随着网络技术的发展、网络上信息量的不断增多以及电子商务的普及,协作过滤得到了广泛的应用。在对协作过滤信息推荐技术基本思想、算法分类等相关内容概述的基础上,总结了其当前存在的3个方面的主要问题：冷启动、数据高维稀疏、以及算法的可伸缩性,同时分析了当前国际、国内的研究进展情况,对主要的方法、技术等进行了扼要的概述与总结。对推荐算法中相似性度量方法、预测评分的策略、推荐质量的度量标准、未来可能的研究方向等分别进行了论述。     

基于情感识别方法的推荐系统(英文)

随着电子商务的高速发展,推荐系统已成为广大客户选择合意商品的重要工具。目前应用的电子商务推荐方法,依赖于客户的购物素养;而客户在购物中,更重要的影响因素是人的情感。针对这种情况,提出了一种新型的、基于客户情感的推荐系统;给出了该系统的模型、数据结构等。该系统的核心是商品和情感二维叠加空间。实验证明,该系统具有较高的推荐精度和检索速度。