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.     

采用元路径时效衰减和引用模式划分的学术引文推荐

针对现有学术引文推荐算法中元路径特征无法衡量学术文献的时效性,且对元路径特征的利用和划分粒度较粗从而导致推荐精度不高的问题,提出了一种采用元路径时效衰减和引用模式划分的学术引文推荐方法。首先,利用元路径抽取丰富的引文特征,并在计算元路径特征时加入了时效衰减因子,提升了新发表文献的推荐精度;其次,提出了融合元路径特征的主题模型MpTM,该模型利用主题特征为文献划分引用模式,并联合学习文献的主题分布、引用模式和元路径特征权重,细化了元路径特征的粒度;最后,通过所有引用模式下的元路径特征加权值,为目标文献推荐学术引文。在AAN数据集上的实验结果表明:所提方法在准确率和召回率上平均提升约41.99%和22.43%,能够提升新发表文献和非权威文献的推荐精度,并能有效缓解引文链接的稀疏性问题。     

基于微博文本的个性化兴趣关注点及情绪变迁趋势研究

随着社交网络的快速发展,人们可利用微博平台发表、分享自己的观点以及抒发某种情绪,进而产生了大量针对不同话题的博文和情绪信息,但传统的文本挖掘算法在处理这些短小且具富含个性化情感信息的微博文本方面有所欠缺。在此提出一种基于微博文本的特征权重计算方法,可据此得到博主在不同时间段的关注点,通过情绪分类,分析用户在不同时间段内的情绪变迁情况。实验结果证明此方法具有一定的可行性。     

高职院校混合式教学改革的实践及思考--以浙江省级精品在线开放课程《国际金融实务》为例

随着"互联网+"教育对教学的广泛影响,开发建设数字化教学资源、实施线上线下相结合的混合式教学已成为高职院校课程建设、教学改革的发展方向。浙江省级精品在线开放课程《国际金融实务》混合式教学改革的实践表明,混合式教学模式能够实现激发学生学习兴趣、拓展课堂教学时间和空间、提升课堂教学互动、促进学生个性化自主学习、带动欠发达地区高职院校教学水平提升等效果。着眼未来发展,混合式教学改革还需从完善线上线下整体教学设计、完善教师建设应用在线课程的激励机制、完善在线课程建设应用的考核机制、教育行政主管部门加强顶层设计避免多平台重复建设等方面进一步推进,优化混合式教学改革的应用效果。     

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。     

基于志愿服务的公共图书馆图书漂流常态化分析

公共图书馆凭借规范的志愿服务开展的图书漂流业务,是以社会公益性为纽带的影响社会阅读氛围的图书利用方式。从志愿服务与图书漂流常态化入手,分析了公共图书馆、图书漂流、志愿服务的特点及三者结合后对社会产生的影响。     

高校科技查新工作存在的主要问题及对策分析

简要介绍了我国高校科技查新工作的现状,针对目前查新工作中存在的服务内容上缺乏完善的查新报告质量保障机制,服务手段上没有针对查新员建立科学有效的激励机制,服务对象上缺少针对中小企业用户的个性化服务机制等问题,提出了有效提升高校科技查新工作质量的对策。     

以交友乐趣促图书漂流

图书漂流活动在我国开展了有十年的历史,也得到了图书馆界、出版界等部门的重视和支持,但是,后期参与人数和回漂率都不是很满意。作者通过查阅相关文献,在借鉴传统经验的基础上,提出了自己的观点:以永恒的交友乐趣促进可持续发展的图书漂流。具体阐述了合理的、易操作的实施细节,在不费更多人力、财力、物力的情况下,以期将这项有意义的活动靠读者,自觉、自愿、自行的、持久地开展下去。     

音乐推荐系统中的用户冷启动问题

利用新用户使用音乐时的上下文环境信息来解决冷启动问题.当用户播放音乐时，提取用户当时场景的时间、天气、状态等信息，利用这些信息构建决策树分类模型.当新用户使用音乐推荐系统时，提取当前情景的上下文信息，根据决策树分支和上下文信息判断新用户的兴趣，向新用户推荐音乐.实验结果表明，当采用上下文相关音乐推荐算法，推荐数目不超过6项时，新用户对推荐结果的满意度超过TopN算法.     

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。