数字图书馆个性化资源推荐系统算法研究

针对当前数字图书馆存在的问题,提出了基于用户聚类技术的数字图书馆个性化资源推荐算法,使得图书馆资源利用率得到了较大的提高,并为管理者提供了决策支持。     

数字图书馆个性化信息服务研究的现状与发展

在介绍个性化信息服务定义的基础上，分析了数字图书馆个性化信息服务的必要性，并提出了个性化信息服务的发展方向。     

数字图书馆信息推荐服务中用户需求偏好模型研究

从用户需求偏好模型逻辑结构、用户需求偏好特征的抽取方式、用户需求偏好模型动态更新3个方面,阐述了当前国内外数字图书馆信息推荐服务中用户需求偏好模型的研究现状,分析了用户需求偏好模型研究所遇到的困难和发展趋势。     

基于Multi-Agent的电子商务个性化推荐系统模型的设计与研究

为了更好地提高电子商务推荐系统的个性化、自动化、持久化程度,提出了一种基于Multi-Agent的电子商务个性化推荐系统的整体架构模型．它采用Agent技术将个性化推荐系统中的功能模块构建为智能体,并在智能控制方式下采用线下信函式推荐和线上混合推荐技术来构建核心推荐模块．对该模型中各组成部分的功能和设计思想进行了阐述．     

数字图书馆个性化服务系统研究

分析了图书馆建立个性化服务系统的必要性,介绍了国内外图书馆个性化服务系统的现状,对数字图书馆如何构建个性化服务系统提出了建议。     

数字化图书馆个性化推荐研究与实例

基于关联规则算法,分析馆藏借阅数据而得出具有关联关系的数据集,并结合在线推荐算法将数据集推荐给具有相同属性的读者,从而达到最优最快的读者个性化服务。     

数字图书馆个性化信息服务系统研究

突破局限于个性化定制技术的数字图书馆(digital library,以下简称DL)个性化信息服务现状,结合信息定制、信息推送、信息过滤、数据挖掘、智能代理等先进技术,构建了一个以数字化信息资源为基础,以用户需求为中心,以信息推荐为主要功能的个性化信息服务系统.     

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。     

主动推荐实现新的图书馆个性化信息服务系统

本文从数字图书馆的发展出发探讨了高校数字图书馆实现个性化服务的必要性,并借鉴国内外图书馆个性化信息服务系统的经验,以主动推荐为核心,设计出一个新的图书馆个性化信息服务系统。     

基于Web挖掘的个性化推荐系统的设计

介绍Web数据挖掘概念、个性化推荐技术,着重设计了一个基于Web挖掘的个性化推荐系统,并给出了个性化推荐核心模块的实现过程。本系统根据Web挖掘过程,结合基于聚类划分的增量式关联规则挖掘算法的实现。     

基于用户兴趣的个性化推荐技术综述

网络时代下,个性化推荐系统是解决"信息爆炸"现象的重要技术.介绍了个性化推荐系统的研究现状并分别对个性化推荐系统的几项关键技术进行了阐述及推荐评价.最后提出了推荐系统未来的发展趋势.     

远程教育中的个性化推荐系统研究

本文针对目前的远程教学系统,提出一种新型动态的信息交互方式--个性化推荐功能,由远程网络教学系统对学习者自动推荐学习资源,帮助学习者发现他所希望的学习资源信息.并给出系统实现技术和体系结构,实验数据表明,该系统是高效并可广泛使用.     

数字图书馆个性化服务系统分类体系问题

本文围绕数字图书馆个性化服务系统分类体系问题展开探讨。首先,简要介绍数字图书馆个性化服务系统的主要内容,包括其定义和服务内容。其次,从用户分类和信息分类两个方面阐述目前数字图书馆个性化服务系统存在的问题。用户分类主要存在的两个问题,根据用户特点分析提出相应建议。信息分类问题从五个方面进行讨论,列举数字图书馆个性化服务系统页面进行分析,提出解决方法。     

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。     

个性化推荐系统的研究进展

互联网技术的迅猛发展把我们带进了信息爆炸的时代。海量信息的同时呈现,一方面使用户很难从中发现自己感兴趣的部分,另一方面也使得大量少人问津的信息成为网络中的“暗信息”,无法被一般用户获取。个性化推荐系统通过建立用户与信息产品之间的二元关系,利用已有的选择过程或相似性关系挖掘每个用户潜在感兴趣的对象,进而进行个性化推荐,其本质就是信息过滤。个性化推荐系统不仅在社会经济中具有重要的应用价值,而且也是一个非常值得研究的科学问题。事实上,它是目前解决信息过载问题最有效的工具。文中根据推荐算法的不同,分别介绍了协同过滤系统,基于内容的推荐系统,混合推荐系统,以及最近兴起的基于用户一产品二部图网络结构的推荐系统。并结合这些推荐系统的特点以及存在的缺陷,提出了改进的方法和未来可能的若干研究方向。推荐系统的研究受到了信息科学、计算数学、统计物理学、认知科学等多学科的关注,它与管理科学、消费行为等研究也密切相关。能够为不同学科领域的科研工作者研究推荐系统提供借鉴,有助于我国学者了解该领域的主要进展。     

个性化推荐系统中用户兴趣模型的研究

针对现有用户兴趣模型在模型建立和更新阶段的缺陷,文章设计了一种基于用户浏览内容和浏览行为的隐式自反馈用户兴趣模型。采用短期和长期兴趣来建立和表达用户兴趣,并采用基于时间窗口机制来更新短期兴趣,时间遗忘机制来更新长期兴趣。同时发现用户的关联兴趣,克服单集模式下的不足,更加全面的反映用户的多方面兴趣。     

数字图书馆个性化服务研究

介绍了个性化服务的概念和服务类型,讨论了数字图书馆个性化信息服务的过程及关键技术。     

个性化推荐系统评测指标与实验方法研究

个性化推荐系统可以有效解决信息过载问题,实现海量数据的信息挖掘。推荐系统的性能评价和测试是一项重要的工作。详细阐述了推荐系统的多元评价指标及特点,比较了在线、离线和用户调查三种实验评测方法,展望了推荐系统评测的未来方向。     

个性化推荐算法研究

随着全球信息总量的爆炸式增长,信息超载问题无法避免且日趋严重化．个性化推荐系统是当前解决信息过载问题的有效技术．该文首先阐述了推荐系统概念定义及其三大组成模块,其次深入分析了个性化推荐算法,详细讨论了当前主流的四大类推荐算法:基于内容的推荐算法、协同过滤推荐算法、基于知识的推荐算法和混合的推荐算法,从多角度对各算法的优缺点进行对比,然后阐述了常用评价方法、评测指标及对测试标准进行分类,并且介绍了常用数据集,最后展望个性化推荐未来研究热点．