一种基于信任度的协同过滤推荐方法

提出了一种基于朋友网数据的推荐方法,包括好友推荐和应用服务推荐。通过分析朋友网中用户之间的好友关系、互动行为等来计算用户之间的信任度,可以获取更真实的社会关系;根据计算得到的信任度构建用户社会网络,并根据凝聚子群和朋友网中已有的分组信息对构建的社会网络进行社区划分,可以获得更细的社会关系;根据已获得的社区和用户使用的应用服务,提出了一种朋友网中好友和应用服务的推荐计算方法,在计算应用服务推荐时区分了社区内和社区外的用户与目标用户相似度计算方法的不同,提高了寻找近似邻居的准确率以及服务推荐的准确率。     

商业照明工程案例

正(1)广百集团LED照明改造工程广百集团LED照明改造项目投资总额共1.6亿元,采用"合同能源管理(EMC)"的商业模式,对集团及关联公司所有的经营和办公场所及新开发的地产项目和新建网店等区域,全部采用LED新光源。至2014年底,将基本完成30万盏LED产品应用,且产品全部为LED标杆体系推荐目录产品。(2)韶关益华百货商场LED照明改造工程广东益华百货有限公司为广东省第六大综合零售商,有13间连锁门店,经营面积30.8万平方米,主营百货、超市、电器、家居四大业态。韶关益华百货商场经营面积近6万平方米,该商场的照明改造项目采用合同能源管理模式     

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.     

《少儿科技》,连续六年入选农家书屋重点报刊推荐目录

<正>春节前夕,国家新闻出版广电总局公布了《2013—2014年农家书屋重点出版物推荐目录》。《少儿科技》脱颖而出,再度入选重点报纸期刊推荐目录。自2009年以来,本刊已连续六年入选该目录。农家书屋是为满足农民群众的文化需要,在行政村建立的公益性文化服务设施。每个农家书屋都配     

基于Hadoop的分布式智能推荐系统

通过对云计算平台相关技术的分析研究,结合目前智能推荐系统的应用情况,采用Hadoop、Mahout、Sqoop以及Oozie等云计算相关技术构建一个海量数据智能推荐系统。与传统的数据存储处理相比,可以提高资源的利用率,降低成本,同时也保证了速度。     

协同过滤推荐算法研究: 考虑在线评论情感倾向

协同过滤推荐算法通常是基于兴趣相似的用户行为来实现个性化推荐, 其核心义用户之间的兴趣相似度. 本文在传统的协同过滤推荐算法基础上, 考虑在线评论对用似度识别的影响. 在混合商品推荐中, 粗粒度识别评论情感极性; 而在同类商品推荐中, 细粒别每个商品特征的情感极性. 如果用户对产品的某个特征评价次数大于平均次数, 表明用户对征较关注; 如果对产品的某个特征评价低于平均评价, 表明用户对该特征较挑剔. 进而根据用户评论来建立用户偏好模型, 用户在评论中反映出来的相似度越高, 表明用户之间的偏好越. 实验表明, 同传统的协同过滤算法相比, 基于在线评论情感分析的用户协同过滤算法在率和召回率指标上有显著提升.     

浅析高校图书馆新书推荐工作

作为重要信息传播地的高校图书馆应肩负责任和使命,利用新书推荐工作对读者阅读进行引导。本文通过阐述新书推荐的概念和意义,提出新书推荐工作的原则和方法,针对高校图书馆新书推荐工作中出现的一些问题,提出几点改进和创新的措施。     

《少儿科技》,连续六年入选农家书屋重点报刊推荐目录

正春节前夕,国家新闻出版广电总局公布了《2013-2014年农家书屋重点出版物推荐目录》。《少儿科技》脱颖而出,再度入选重点报纸期刊推荐目录。自2009年以来,本刊已连续六年入选该目录。农家书屋是为满足农民群众的文化需要,在行政村建立的公益性文化服务设施。每个农家书屋都配     

基于复杂属性商品的混合协同过滤推荐模型

协同过滤作为应用最广、研究最多的推荐算法,但依旧面临数据稀疏性、冷启动、数据质量差等固有问题,同时也鲜有研究者从实用角度基于商品性价比方面提高预测精确度.为此,本文综合考虑用户主观评分和商品客观评分,并在此基础上结合情境预过滤、社会网络理论以及专家意见提出了一种混合协同过滤推荐模型,在一定程度上缓解了上述缺点.并通过真实网上汽车销售数据实验,表明该模型相对传统协同过滤具有更高的预测精度,更适用于具有复杂属性的商品.     

基于元学习的航空电子设备特征选择算法推荐方法

为了对航空电子设备的测试数据进行有效约简, 去除冗余信息和不相关特征, 基于机器学习领域现有的特征选择算法, 提出了一种元学习框架下的航空电子设备特征选择算法推荐方法。所提方法旨在根据不同航空电子设备测试数据所蕴含的信息, 推荐合适的特征选择算法。首先, 分析了数据集特征的描述方法。然后, 介绍了采用综合度量指数的算法性能评价方法。最后, 给出了特征选择算法推荐方法的框架。使用42个航空电子设备的测试数据和13个过滤型特征选择算法建立了元数据库, 采用留一法进行交叉验证, 推荐命中率达到了90%以上, 推荐性能比例达到97%以上。