基于核典型相关分析的教学资源推荐算法

为了提高在线学习平台教学资源推荐的有效性,通过数据挖掘方法对OBE教学资源进行特征提取,分别生成教学资源和用户个性推荐库,采用核典型相关分析算法对教学资源特征和用户个性特征进行分析,选择相关系数高的教学资源推荐给用户.实例仿真证明,相比于常用的教学资源推荐算法,本文算法的准确度更高,推荐资源更精准.     

MediaWiki平台下工程经验知识审阅的专家推荐方法

针对如何对企业经验知识进行规范审阅的问题,结合Wiki平台的特征和隐性知识积累的形式,采用Okapi BM2500权重计算算法考虑用户与词条的相关度,运用改进的PageRank算法计算用户-词条关系网中用户的权威度,根据Cascade排序方式得到推荐专家列表,提出了基于隐性知识积累平台——MediaWiki的专家推荐方法.结合中国某大型造船厂的工艺经验知识,通过实验,验证了基于MediaWiki平台的专家推荐方法的有效性.     

基于移动网络的教学资源管理平台研究

移动网络的完善和智能移动平台的广泛应用,促进了基于移动网络的各种应用的发展。基于移动网络教学资源管理平台可以方便人们随时随地获取教学资源进行学习。在对移动网络教学资源管理平台的需求进行分析的基础上,对教学资源管理平台的总体结构和功能设计进行了研究。     

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。     

基于云平台的健康体检智能推荐系统的研究

针对单位员工体检数据利用率低、未进行深层次关联使用的问题,构建基于云平台的健康体检智能推荐系统。可以对体检数据进行深层次的挖掘,以发现疾病之间的关联规则,并根据挖掘结果为不同的职工智能推荐体检项目。服务端部署在云平台上,具有自动扩展收缩、负载匀衡、安全性高、扩展服务方便等优势,并支持移动端应用,使用户摆脱传统PC端的时空局限。     

面向知识图谱的多语言电子商务智能系统研究

面向知识图谱的多语言电子商务智能系统,是针对新丝绸之路经济带特定领域以汉语、藏语、蒙古语、维吾尔语、英语等多语言民族特色农产品电子商务的统一平台构建,在此基础上解决新丝绸之路经济带多语言关联的自然语言处理问题.通过绘制多语言知识图谱库并将其应用于多语言商品信息展示,同时结合知识图谱的多源知识关联来实现复杂数据分析及精准推荐,根据买家属性向用户智能推荐相关产品,实现基于深度学习的以汉语为核心的多语言智能分析推荐功能.     

图书馆文献信息资源智能推荐检索平台设计

针对当前方法设计的图书馆文献信息资源推荐检索平台存在的检索效率低和召回率低的问题,提出图书馆文献信息资源智能推荐检索平台设计方法。通过平台架构、检索接口、平台功能设计构成图书馆文献信息资源智能推荐检索平台的框架,其中平台架构设计包括信息库连接和可视化信息,根据数学工具和语言完成图书馆文献信息资源智能推荐检索平台中检索接口设计,平台功能包括资源显示、资源检索、信息编辑和空间分析。将隐式方法与显示方法相结合构建用户兴趣模型,在用户兴趣模型的基础上通过冷启动阶段和推荐阶段完成图书馆文献信息资源的智能推荐和检索。实验结果表明,所提方法可在较短的时间内完成图书馆文献信息资源的推荐和检索,且检索得到的资源完整度较高,验证所提方法的检索效率高、召回率高。     

基于语义行为和社交关联的好友推荐模型

现今社交媒体是建立社交联系的重要媒介,好友推荐对于扩展人们的关系网络起到至关重要的作用,准确的用户特征提取和分析是社交网络中好友推荐的关键.传统的好友推荐方法一般都是根据部分用户属性信息或行为信息进行推荐,所以对用户特征的描述不完整,推荐的效率和准确率远非预期.提出基于用户语义行为和社交关联的推荐模型应用于社交媒体平台上的好友推荐.为了获得准确的预测,使用LDA(Latent Dirichlet Allocation)对语义信息进行主题建模,得到基于主题的用户语义行为特征表达;使用DeepWalk算法对用户社交关联网络图进行特征提取,得到准确的社交关联特征表达;使用反向传播神经网络来预测用户潜在的社交关联,为用户精准推荐好友.该模型实现了利用用户语义行为和社交关联预测用户潜在的社交关联,可以根据潜在社交关联进行精准的好友推荐.     

浅谈广播电视三屏交互系统的关键技术和创新点

分析国内外三网融合发展的现状,提出三屏融合作为三网融合的具体业务形式,必将得到广电和电信行业的大力支持,未来发展前景广阔。通过三屏互动服务运营平台、服务资源接入适配平台两个子平台的研究,采用融合消息协同和信令控制技术等关键技术,实现了4个技术创新,即:基于双向网络的安全访问控制机制的创新、基于用户访问行为分析的智能推荐技术的创新、智能终端服务管理与分发技术的创新和支持流程规则与事件规则的ESB引擎技术的创新。     

基于本体技术的一体化虚拟学习环境应用研究

针对基于网络的个性化学习的要求,提出把本体技术引入到近年来兴起的一体化虚拟学习环境（IVLEs）中的设想,并给出了一套系统构建方案。利用W3C推荐的RDF对学习资源信息及用户信息进行统一格式的元数据描述,通过对本体实例的描述分析,说明了个性化学习及基于本体的智能检索的实现原理,并对本系统中的本体构建方法做了简述,利用本方案使系统较好地实现了针对不同类型用户的个性化学习及智能检索。     

海上平台栏杆结构设计规范探讨

栏杆是海上平台最基本的安全防护设施,一些规范推荐了防护栏杆的结构形式,一些规范给出了栏杆的荷载要求和计算参考公式,但目前尚无专门针对海上平台栏杆的结构设计规范。通过对各规范的差异比较分析和相互引用关系论证,对海上平台栏杆的荷载适用规范进行了梳理,对主要遵循的工业防护栏杆及钢平台规范栏杆荷载进行了分析和比较,研究了建筑结构荷载规范栏杆荷载的变化历程,并通过力学计算分析和比较,给出了工业防护栏杆及钢平台栏杆荷载升版的建议,旨在为海上平台栏杆的设计提供技术参考。     

基于Android手机的智能电耗分析系统

剖析了Android应用程序架构,在分析电动力车用户需求的基础上进行了智能电耗分析系统i-erecord设计,探究相关模块的关键技术,实现了基于Android手机平台的智能电耗分析系统,以帮助用户如何驾驶才能节约用电。     

基于智能代理的网络教学资源整合研究

随着网络化学习浪潮的到来和远程教育的蓬勃发展,网上教学资源也呈现来源广、数量种类众多的特点。为了提供一个方便的网络学习环境,有必要对网络教学资源进行有效地整合。本文在分析目前网络教学资源的相关特点基础上,介绍基于智能信息处理的相关整合技术,并着重研究了基于智能代理的网络教学资源整合技术以及相关体系结构。     

基于云计算的高校教学资源管理平台的设计

针对高校教学资源建设中存在的资源重复投入、共享困难等问题,为促进教学资源的整合与共享,提高教学资源的管理与应用效率,将云计算技术引入其中。提出了基于云计算的高校教学资源平台架构模型,设计了基于云计算的高校教学资源管理平台,并介绍了平台的功能与业务工作流程。     

基于大数据的云计算网络协同创新平台的研究

以云计算和大数据技术为理论基础,构建了一个具有"产学研"功能的网络信息协同创新平台,对该平台的"云"架构和功能模块进行了叙述,重点阐述了Hadoop云平台的工作模式。针对大数据环境下数据的稀疏性及扩展性等问题,提出了利用用户隐性行为数据在Hadoop平台上实施协同过滤算法,实现智能推荐,从而有效的提高了算法的执行效率。     

基于软集理论驱动的毕业生推荐系统研究

网络技术的发展为毕业生与企业之间的顺利沟通提供了支持,但大多数招聘或推荐平台依然是各自"表演"的模式,缺乏有效对接.面向毕业生与企业的直接需求、核心需求,在软集理论驱动的基础上,构建一个智能的、支持决策的毕业生推荐平台.该平台允许用户自主设置属性及属性排序,对推荐结果进行优劣排序,使得推荐结果更加客观全面,符合大学生及企业的需求.最后实验表明该方法具有较高的性能.     

可解释个性化推荐学习平台的构建与算法研究

目前在线学习平台的个性化推荐功能过于注重推荐效果的准确性、多样性和新颖性,忽视了学生的用户体验等问题,为此,提出构建可解释个性化推荐在线学习平台。首先,对平台的系统框架进行设计,详细研究了实现算法,并对可解释个性化推荐功能的核心算法及形成可解释性语句的推荐流程进行了重点阐述。然后,利用多种推荐算法混合计算的方式对学生进行课程的个性化推荐,并根据对应特征生成解释语句以表明推荐理由。其结果是能有效提高学生对推荐课程的认可度和学习效率,改善平台的个性化推荐效果和用户体验,从而提高了平台的可信度和透明度。     

一种基于AHP的智能电影推荐方法

电影网站提供了十分丰富的电影资源,然而用户必须花费大量时间搜索自己感兴趣的资源,如何帮助用户快速找到其想要的资源成为大型电影网站的重要需求。智能推荐技术的提出使满足这个需求成为可能。文中提出一种基于AHP(Analytic Hierarchy Process)层次分析法的智能电影推荐方法,综合考虑电影印象、故事、表演、导演、画面、音乐和类型等因素,通过用户对各因素两两比较、权重计算,生成个性化推荐列表。基于时光网的多个用户实证研究表明,结合AHP的智能电影推荐方法简单、有效,大部分推荐结果满足用户喜好。     

基于两阶段计数的用户关联挖掘

基于规则的推荐技术在数据集上挖掘项目关联和用户关联为当前用户做推荐．用户关联挖掘是使用用户关联进行推荐的关键．首先证明在整个数据集上挖掘到的关于当前用户的用户关联集是只在包含当前用户评价的数据集上挖掘到的关于当前用户的用户关联集的子集,提出基于两阶段计数的用户关联挖掘框架,然后应用概念格技术实现了基于两阶段计数的用户关联挖掘算法,并通过实验表明该算法具有更好的性能．     

推荐系统与隐私保护研究综述

推荐系统为了能够给用户提供更好的推荐服务,须要收集大量的用户个人信息,在收集这些信息的同时增加了用户隐私泄露的风险．首先,介绍了推荐系统中的关键技术,包括基于协同关系的实体表示学习和基于图模型的实体表示学习;然后,通过对相关研究的归纳和总结,将推荐系统中的隐私保护问题按照用户敏感信息类型进行分类整理,主要分为对用户私有敏感属性的保护、对用户与物品历史交互信息的保护和对用户提交给推荐系统的信息的保护三类;在此基础上,对匿名化、差分隐私、联邦学习和对抗学习四种关键隐私保护技术进行了总结和分析,并重点梳理了这些技术的实现方法、适用场景和优缺点;最后,分析了考虑隐私保护的推荐算法中存在的问题,并尝试给出了未来可能的研究方向．