有效时间概率关联规则在商品推荐系统中的应用

在关联规则挖掘中,大量的数据是多维的,且带时间性,根据实际的应用,对传统的算法进行了改进,提出了在商品推荐系统中构建的模型,并与类似算法进行了比较.采用了本文提出的算法后,能够挖掘出小概率项目中蕴涵的关联规则,并考虑到时间的因素,去除了多余的杂质数据,而Apriori算法则无法做到这点.     

高工专毕业生就业推荐工作探讨

通过实例分析,提出了加强高工专毕业生就业推荐工作的措施与建议.     

网络教育资源管理系统

介绍了网络教育资源管理系统. 该系统能对互联网上分布的各种教育资源进行合理的组织和管理, 提供个性化的操作环境, 能自动发现用户需求, 并主动配送用户所需资源, 满足不同类型和不同层次的用户对多种资源的需求. 向教师和学生提供先进和实用的教学平台.      

对证券分析师荐股评级调整价值的经验研究

以我国12家主要券商研究机构的证券分析师推荐报告为样本，基于2000-2004年的沪深A股市场的全部股票价格与交易量数据库，采用三种不同的市场超额收益率模型和事件研究法，研究了我国证券分析师评级调整前后累积超额收益率、股票价格和交易量之间的经验关系，发现证券分析师增加到买人、增加到卖出、从买人中剔除评级调整对于投资者来说具有参考价值，但从卖出中剔除对于投资者不具备参考价值，证券分析师在作出从卖出中剔除评级调整时，对公司未来的盈利能力存在系统性乐观主义，研究结果为我国投资者正确使用证券分析师推荐报告提供了参考依据．     

基于混合神经网络的序列推荐算法

为了提高推荐算法的推荐性能,在序列建模过程中,针对循环神经网络(recurrent neural network,RNN)无法并行运算导致建模速度与准确度较低,以及在偏好预测过程中对用户不同阶段偏好没有动态融合的问题,提出了一种基于混合神经网络的序列推荐算法.在算法模型的用户交互序列建模阶段,考虑到用户近期偏好变化频繁...     

An E.Commerce Recommender System Based on Content-Based Filtering

Content-based filtering E-commerce recommender system was discussed fully in this paper. Users＇ unique features can be explored by means of vector space model firstly. Then based on the qualitative value of products informa tion, the recommender lists were obtained. Since the system can adapt to the users＇ feedback automatically, its performance were enhanced comprehensively. Finally the evaluation of the system and the experimental results were presented.     

基于评论主题的个性化评分预测模型

针对现有基于评论分析的推荐算法没有充分考虑个性化的问题, 通过对评论进行主题分析, 挖掘用户的喜好, 分别建立基于用户和物品的个性化评分预测模型。在真实数据集上进行实验验证, 结果表明该模型有效地提高了推荐系统的评分预测性能。     

Context-aware recommendation in mobile environments: An approach based on interest resonance

The recommendation system can efficiently solve the information overload in mobile Internet. Thus, how to effectively utilize context information to improve the accuracy of recommendation becomes the research focus in the field. This article puts forward a novel approach to realize the context-aware recommendation in mobile environments. It first gets users’ interest resonance with a hash-based interest resonance mining algorithm. Then, it calculates the association degree between the user and the item and then predicts the user’s rating on the item. Finally, it comprehensively figures out the recommending index. Moreover, this article also designs a personal recommendation model for the users and provides relevant decision-making coefficients. Experiments have demonstrated that our approach is superior to the traditional ones (RMP, RSTE, MD and BBBs) in both performance and efficiency.     

学习资源精准推荐模型及应用研究

根据属性特征推荐资源,由于存在冷启动和稀疏性问题,限制了在线学习资源推荐的性能.基于知识表示和协同过滤,将学习者的学习水平和学习风格等特征融入推荐过程,进行协同过滤个性化推荐,提出了一种学习资源精准推荐模型,构建了学习者和学习资源知识表示模型;通过实验表明知识表示-协同过滤相结合的推荐算法在个性化推荐和推荐准确度方面优于传统的CF算法.     

基于决策树分类的个性化农产品移动信息服务系统

针对农产品移动信息服务的需求,结合分类算法和个性化推荐算法,提出了一种基于分类的推荐算法.利用决策树分类方法对农产品进行分类,获得分类后的数据,采用协同过滤算法分析分类数据,查找兴趣相似的用户,将感兴趣的农产品信息推荐给正在使用系统的用户.实验结果表明:与传统的推荐方法及相比,该系统向用户推荐了兴趣度更高的农产品移动信息.