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。     

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...     

基于用户等级的协同过滤推荐算法

提出一种基于用户等级的协同过滤推荐算法, 解决了传统协同过滤推荐算法的扩展性问题. 该算法首先定义用户等级函数, 依据用户所评价的项目数确定用户等级; 并通过仅在用户等级的邻域内查找近邻的方法, 提高协同过滤推荐的效率. 实验结果表明, 该算法与传统协同过滤推荐算法相比, 在不影响推荐质量的前提下, 极大地提高了推荐效率.     

基于构建软件功能描述的可复用软件检索方法

软件复用技术能够有效降低新软件产品开发的时间、人力和成本.在软件复用中,基于待开发软件的基本描述与简单需求,如何衡量已有软件的可复用性并对大量已有软件进行快速、自动的可复用性评估,已成为首要解决的问题.目前已有较多评价软件产品或软件项目相似度的研究工作,但相似性并不等于可复用性.因此,该文通过调研软件产品可复用性的相关研究,定义了一套适用于开源软件仓库中软件项目的可复用性评价指标,并设计了基于待开发软件项目的基本需求快速查询可复用软件项目的算法,实现了可复用软件项目检索系统.通过实验及专家对检索结果的评价,验证了所提描述方法的高效性和可用性.     

基于网络信息的混合推荐算法研究

为解决因网络信息严重过载而导致用户获取有效信息困难的问题,笔者提出一种混合式网络信息推荐算法。首先为每个用户建立主题模型,同时应用该算法结合牛顿冷却定率平衡时间因素对用户偏好所产生的影响进行分析,再分别通过改进的协同过滤方法和基于内容的推荐方法满足用户对信息的多样性和个性化的需求。通过 实 践 证 明,该 算 法 在 推 荐 的 准 确 率 和 召 回 率 方 面 表 现 良 好,对 用 户 偏 好 的 预 测 效 果 良好,是有效的推荐方法。     

考虑工人参与意愿影响因素的竞争式众包任务推荐方法

竞争式众包中,有效的任务推荐成为亟欲解决的问题.传统任务推荐仅依据工人对任务的投标记录构建任务推荐方法,但工人对任务的投标与否本质上是由工人的参与意愿决定.针对竞争式众包特性,本文提出一种考虑工人参与意愿影响因素的竞争式众包任务推荐方法.该方法基于工人参与意愿影响因素研究,从工人维度和发包方维度将工人的参与意愿影响因素表示为工人的收益偏好、素质能力以及对发包方的信任,并结合工人历史行为记录以及相关描述信息对各维度影响因素进行衡量.在此基础上构建工人模型,并综合各维度影响因素相似度借助协同过滤算法生成推荐列表.通过一品威客众包平台中真实数据的实验表明,本文提出的推荐方法能够更有效地对竞争式众包任务做出推荐.     

高校教师引进工作刍议

做好高校教师引进工作，是更好地为加快我省高等教育改革与发展，力争２０年基本实现现代化的关键一环，也是当前我省许多高校普遍面临而亟待解决的重大问题。做好高校教师引进工作应该采取以下措施：坚持把政治思想教育贯穿于教师引进工作的全过程；坚持质量第一，严把试用关；采取积极措施，造就良好的教师引进环境；努力提高高校教师引进工作组织部门的整体素质。     

县级公共图书馆未成年人书目推荐工作探索——以延庆县图书馆为例

鉴于书目推荐工作对未成年人的重要性,以延庆县图书馆为例,对县级公共图书馆未成年人书目推荐工作进行了分析,并对未成年人书目推荐工作提出若干建议.     

基于加权数据勘探技术构建图书馆阅读统计与评价体系研究

以读者和图书为勘探目标,利用数据勘探技术挖掘了图书被借阅的内涵规律,通过加权关联规则（The weighted association rules）算法,设计了一个图书馆阅读统计与评价体系,对读者图书借阅进行针对性推荐,提高了读者阅读效率。     

基于共同属性和标签共现的标签消歧算法

为了提高基于标签的个性化推荐技术的准确率,提出了一种基于共同属性和标签共现的标签消歧模型,对已有的基于聚类的标签消歧算法进行改进,针对不同的标签语义问题分别采用不同的方法,缓解了原算法不能识别不同语义的问题。对于多义词语义问题,使用同义词模型进行消歧;对于近义词、同义词语义问题,使用近、同义词模型进行消歧,并将该模型应用于个性化推荐算法。利用公共数据集MovieLens Latest Datasets进行了个性化推荐实验。实验表明,当用户推荐项目数量递增时,推荐算法的准确率和召回率都有提高,能有效消除标签中存在的歧义。