面向移动终端的数字图书推荐系统设计与实现

设计一种面向移动终端的数字图书推荐系统,该系统采用了一种用户兴趣采集模型,可根据用户兴趣进行图书推荐。在移动终端与服务器终端间的数据交换上,进行了轻量级数据交互技术研究。运行实例表明该系统有很好的使用效果。     

《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     

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.     

社交网络中基于信任评估的推荐控制模型

针对社交网络中无法有效管理陌生推荐安全性难题,提出了一种基于信任的评估推荐控制模型(TRCM).该模型描述了社交网络推荐中个体角色、推荐路径、可信任值、控制规则等方面内容.模型结合社交网络个体之间取信度、信誉度评估方法,分别计算串路型、并路型和复合型3类推荐信任度,并给出了客观偏移度和信心指数评估.同时,TRCM定义了一组信任控制规则以管理社交网络中的推荐行为.实验表明,该方法是有效可行的.     

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     

基于核心用户对发现的微博好友推荐算法

现有的微博好友推荐算法没有充分考虑网络关系结构,导致发现的邻居群合理性较差。针对这个问题,围绕微博用户群聚规律和社交网络特点展开研究,提出一种基于核心用户对发现的微博好友推荐算法;该算法首先将任意两个具有相互关注关系的用户封装成用户对的形式并计算各用户对之间的交互行为相似度,然后通过密度和距离两个参数发现核心用户对以及划分合理的邻居类簇,最后根据制定的推荐规则向用户进行好友推荐。结果表明,相比传统的协同过滤方法,该算法明显提高了微博好友推荐的精度,核心用户对发现、类簇的合理划分以及推荐规则的制定能够缓解数据稀疏和冷启动带来的问题。     

基于时间加权标签的协同过滤推荐算法研究

传统的协同过滤推荐算法主要以评分数据为数据源来计算和反映用户的兴趣偏好和资源相似度,并决定是否对潜在用户进行推荐物品。而忽视了用户、资源本身的特征,用户在不同时间对资源的认识和感兴趣程度是会变的。基于这个问题,本研究对传统算法进行了改进,提出了基于时间加权标签的信息推荐算法。该算法的主要思想是标签可被用户依个人偏好进行资源标注,标签代表用户对资源的兴趣特征,以用户集、时间、标签集及物品资源等 4 个量形成的多维关系,可以计算出用户和资源之间的标签特征向量,计算在不同时间段,用户对资源的偏好以及资源相似度,并且依据用户的历史行为来预测用户的偏好,并进行推荐。实验结果显示本算法有效地提高了推荐的准确性,获得了更好的推荐效果。
     

融合标签相似度的 k 近邻 Slope One 算法

Slope One 协同过滤算法被广泛应用于个性化推荐系统中。标签是一种描述项目特性的重要形式,针对Slope One 算法推荐精度不足的问题,将标签信息融合到 Slope One 算法当中。同时参考 k 近邻算法思想,选取阈值过滤后的 k 近邻项目参与平均评分偏差计算,提高计算效率的同时增加预测精度。使用评分相似度和标签相似度作为权重修正线性回归模型。通过线性加权融合预测结果,进一步提升推荐质量。将算法应用于 MovieLens 数据集,与传统加权 Slope One 算法相比,平均绝对偏差下降4．8％,召回率和准确率分别提高32．1％和26．3％。     

Web日志挖掘技术及其在电子商务中的应用

近年来,由于电子商务、电子图书馆、远程教育等的应用,对Web站点设计和功能提出了更高的要求, 要求Web站点具有智能性。介绍了目前世界上两种主要的Web曰志挖掘技术(基于Web事务和基于数据立方体),同时,提出了基于Web目志挖掘技术的应用,主要讨论了站点的在线推荐和用户自适应的Web站点设计问题,在此基础上简单介绍了一个Web日志挖掘系统原型AdaptiveWeb。它可创建用户自适应的Web站点,使其具有部分智能。