基于用户群的用户兴趣发现

用户兴趣发现在推荐系统中起着重要的作用。针对推荐系统中用户兴趣发现语义信息不足的缺陷,在个性化兴趣本体的基础上提出一种基于语义相似度计算方法,建立用户群,改善了用户兴趣发现的效果,提高了推荐系统的质量。     

基于本体用户兴趣模型的个性化推荐算法

针对目前个性化服务中用户模型稳定性低、推荐结果不尽人意的现状,在建立基于本体的用户兴趣模型基础上,通过模型更新提高稳定性,建立用户群实现用户模型管理.提出利用矩阵聚类降维分解技术的个性化推荐算法,引入偏好方差的概念计算用户最近邻,进而产生推荐,避免了传统协同过滤算法的数据稀疏性缺陷,提高了推荐质量.结合面向电影的个性化推荐系统,验证了模型及算法的有效性.     

用户多兴趣下的个性化推荐算法研究

电子商务个性化推荐成为客户关系管理的重要内容，协同过滤算法是应用最为广泛的个性化推荐技术，但传统的协同过滤推荐算法并不适合用户多兴趣情况下的个性化推荐。在分析原因的基础上，通过组合基于用户的协同过滤和基于项目的协同过滤算法，先求解目标项目的相似项目集，在目标项目的相似项目集上再采用基于用户的协同过滤算法。这种基于相似项目的邻居用户协同推荐方法，能很好地处理用户多兴趣下的个性化推荐问题，尤其当候选推荐项目的内容属性相差较大时，该方法性能更优。最后，用EachMovie数据库对算法进行了仿真实验，实验表明该算法准确率更高。     

基于改进协同过滤的个性化产品服务系统方案推荐

产品服务系统是企业为用户提供的个性化需求解决方案,为了快速准确的设计方案,提出了改进的协同过滤算法根据用户的个性化需求推荐符合其需求特征的方案.针对传统协同过滤算法中,用户相似度计算方法没有考虑用户对方案属性的偏好问题,忽略了不同配置角度下各属性权重不同,提出了考虑方案客观属性的改进Person余弦相似度算法.首先采用...     

基于用户多兴趣的服务流程推荐方法

为解决服务推荐过程中,用户兴趣的不确定性问题和多样性问题,提出一种基于用户多兴趣的服务流程推荐方法.该方法分为两部分:①初始兴趣引导:在初始创建服务流程时,面对用户兴趣的不确定性,利用N元模型学习已知服务流程的上下文,通过上下文顺序缩小推荐空间,为用户提供更加精准的服务链接组件;②用户兴趣抽取:在创建服务流程结束后,面对用户兴趣的多样化,概率潜在语义分析训练出用户的兴趣-服务流程分布,为用户推荐出符合当下兴趣的其他服务流程.通过仿真实验表明,所提方法能够快速、准确地为用户推荐相关服务组件和业务流程链.     

面向个性化产品服务方案的推荐方法与应用

针对传统隐语义模型（LFM）未考虑数据库动态更新从而影响方案推荐结果的问题,提出动态更新机制的加权LFM用于推荐个性化产品服务方案。针对余弦相似度 计算忽略个体差异的问题,提出采用云滴距离测度与云的余弦相似度加权后的综合相似度,预测并填充空缺数据,减少数据稀疏性;采用加权LFM推荐产品服务方案,以约束新用户兴趣差异性,提高推荐精度;采用差值平均法更新推荐结果。     

基于行为的自动化流程建模推荐方法

业务流程建模在业务流程管理中扮演着重要角色,传统基于人为建模的方式耗时长且准确性得不到保证,流程推荐技术可以在一定程度上提高建模的智能性及效率。现有大多数基于推荐的流程建模方法大多只关注流程的图结构,未考虑流程的行为语义。然而,对于相同的两个图结构,它们的执行行为不一定一致。由此,提出一种基于行为的自动化流程建模推荐方法,推荐给用户下一个建模节点的相关节点,进而实现流程的高效建模。首先,将正在建模的"参考流程"片段及流程库中所有流程模型转换为对应的流程结构树,随后提取出代表它们流程行为的独立路径。然后,对"参考流程"的独立路径和数据库中的独立路径进行相似度计算,选取流程库中前k个相似度最高的独立路径作为候选路径,进一步选取这些独立路径中当前建模节点的下一节点作为推荐节点。若存在相似度相同的路径,则通过路径权重值计算,权重较大者被优先推荐。基于所提方法,实现了一个可视化原型系统,从而支持用户根据流程推荐结果进行可视化建模。另外,通过对所提方法与现有方法在准确率和效率方面进行比较,证明了所提方法能够满足实际应用。     

众包模式下产品设计任务推荐

针对众包平台的用户设计资源利用率不高、用户的任务筛选效率低下等典型问题,提出了一种基于众包平台的任务个性化推荐算法,阐述了众包平台任务模型及用户模型的构建方法,以及任务与用户模型的匹配算法。该算法考虑了技能、时间、竞争和报酬等任务推荐影响要素,为用户提供更为准确的任务推荐列表,解决了上述典型问题。最后试验结果表明,该算法可有效地产生个性化任务推荐列表,且证明要素权重对推荐结果的作用关系。     

面向企业生产集成系统的物料推荐系统

针对目前生产制造信息平台因多系统集成带来的物品检索量过大、信息冗余、人工筛选耗时、不支持近似查询等问题,提出一个可集成于当前工业信息系统的“物品-用户”组合推荐模型。该推荐模型组合了基于内容推荐和基于协同过滤推荐。在推荐项方面,考虑了推荐项的具体形态,全面分析物料清单 (含零部件、半成品、产品)所包含的特征,提出基于内容相似、物料清单结构相似及两者集成的相似距离定义方法,并按物品的不同选择不同的方法来定义物品间的近似距离,同时以距离为基准划分主题或分类。对于模型中的用户,主要针对生产系统特点来量化用户兴趣、定义用户近似公式。最后,以系统套件的方式实现了推荐平台的建立,并引入最新的研究成果解决了系统冷启动问题。实验表明,物料推荐平台有效填充了现有信息系统的空缺功能,能为用户准确推荐满足其需求的物品,提高信息获取的效率。     

基于智能Agent的个性化产品定制

以个性化摩托车定制为具体应用 ,研究了在网络上利用 Java实现基于 Agent的个性化产品定制及其系统开发 ,提出个性化产品定制模板、个性化产品定制与柔性开发的内容匹配和个性化产品兴趣值的计算方法。     

本体用户兴趣模型的抽取研究

随着本体技术的应用,传统的用户兴趣模型已经过渡到基于本体的用户兴趣模型,故在已经建立的相关领域本体用户兴趣模型的基础上,对用户模型的处理和抽取进行了研究。利用本体用户兴趣模型富含语义信息,能够准确地描述领域涉及的概念、概念的含义、概念之间的关系这些特性,将其处理转化为用户-项目评价矩阵,为个性化推荐算法的应用提供便利。     

基于灰色关联预测与信任云混合算法的方案推荐

针对传统推荐方法中的数据稀疏性问题,常用的方法通常受到数据量的制约,因此采用灰色关联预测法计算方案评分数据间的相关系数,以预测空缺的评分数据;针对面向新用户的冷启动问题,考虑用户兴趣特征相似度和基于信任云的用户对方案评分的相似性,计算用户间的综合相似度,将合适的方案推荐给新用户。最后,以汽车方案推荐为例进行方法验证,并通过与协同过滤,云模型等推荐算法进行对比,证明了该方法的有效性。     

基于PDM的个性化信息检索系统的开发与实现

为了使PDM(Product Data Management)系统中的信息组织面向用户的特征更强,信息检索更方便快捷,PDM产品在同类产品中具有更强的竞争力。针对用户对产品信息需求多样性的特点,采用可控制用户自动建模方法,构建个性化用户信息模型。实现了对产品信息(主要是零部件)的个性化检索系统的设计,通过与PDM系统的集成,提高了PDM系统中信息检索的个性化程度。智能化不同用户的个性化信息检索技术应用于PDM软件系统中,为产品数据管理软件在企业中的应用提供了新的技术优势,使PDM软件能够满足用户独特的信息需求。     

基于动态自组织映射网的用户兴趣建模方法

为解决现有用户兴趣建模方法在处理用户兴趣多样性及动态性方面存在的问题,提出一种利用动态自组织映射神经网络来建立用户兴趣模型的方法。该方法将用户兴趣建模过程映射成一个聚类和类的维护过程。用户感兴趣的信息被聚成不同的信息类,每个信息类对应用户的一种兴趣。用户兴趣的变化通过神经元权重的调整、新神经元的增加和无效神经元的删除来刻画,分别对应用户兴趣基本不变、用户出现全新兴趣和用户原有兴趣消亡的情况。其中,神经元的增删采用阈值控制的触发规则。最后在一个基准数据集上的验证结果表明,该方法能够准确及时地跟踪用户多种兴趣及其变化,保证了用户模型的可靠性。     

面向企业信息系统集成的Web服务推荐模型

为解决企业信息系统集成过程中Web服务选择方面的问题,提出了一种基于服务质量与用户推荐的服务推荐模型。根据服务质量量化模型计算服务质量综合值,利用皮尔逊相关系数找出一组评价相似用户,根据该组用户的评价相似度与评价值计算用户推荐度,利用服务质量综合值和用户推荐度计算Web服务信誉度,依据Web服务信誉度选出最优的Web服务。针对恶意推荐问题,提出一种用户评价可信度的计算方法。最后,根据该模型实现了一个推荐平台。实验结果表明该模型能够准确地为企业级用户推荐满足需求的Web服务。     

社会化业务流程管理及其流程推荐算法

为了解决传统业务流程管理系统在开放性和灵活性方面的不足,提高目标用户满意度,提出一种社会化业务流程管理系统原型,并在此基础上论证了社会化业务流程建模的推荐方法。与传统的业务流程推荐算法推荐下一流程节点或片段不同,该方法主要用于挖掘匹配度高的流程执行模型元路径,有助于收敛社会化流程建模过程。实验结果表明,该方法能够有效地提高实际应用中的用户满意度。     

基于服务信誉评价的偏好分析与推荐模型

为了描述用户的个性化偏好需求、优化服务推荐效果,提出基于服务信誉评价的用户偏好分析与服务推荐模型。该模型以服务的多维信誉指标为分析对象,能够兼容服务信誉评价的各种形式,包括数字评分、标签和自然语言评价,并依据模糊多属性决策理论进行自动的用户服务质量偏好的提取及服务推荐。通过对比分析实际服务数据的实验结果,验证了模型的合理性与有效性。     

云服务平台下考虑用户偏好的设计服务推荐方法

为提高云服务平台下产品设计服务推荐的质量,增强协同产品设计过程中用户与服务提供方之间的交互,构建了个性化产品设计服务推荐框架,并提出考虑用户需求偏好的设计服务推荐方法.采用模糊C均值聚类算法实现用户初步聚类;利用改进的基于用户的协同过滤方法优化用户相似度函数及评分预测函数,以提高目标用户对设计服务推荐项目预测评分的准确性;通过用户对设计服务推荐结果的交互反馈,完成产品设计服务的更新迭代.以设计云服务平台上用户对壁挂式智能空调设计的需求为例,验证了所提方法的有效性.     

基于Web的制造信息主动推荐服务研究

针对目前企业信息系统较少考虑不同人员对信息的不同需求的问题,提出通过制造信息主动推荐服务,达到将适当信息及时准确地传递给适当人员的目标.分析了网络环境下制造信息获取方式及其对主动推荐服务的需求,构建了信息推荐服务结构体系.提出运用主动学习和被动学习方式获取用户兴趣,定义了制造信息内容需求的结构形式,提出了基于词距离方法的制造信息资源相似度计算模型和以关键词表示的相关度计算模型,并通过文档对象模型树形结构,获取以可扩展标记语言关键词表示的制造信息语料并形成语料库,实现符合用户兴趣的相似Web页面判断和收集,通过丰富站点摘要技术,实现制造信息的主动推荐服务,从而提高企业网络信息服务质量,增强企业对动态信息的响应能力.     

基于聚类协作过滤的商品个性化推荐系统的实现

根据目前电子商务网站中商品个性化推荐的现状,本文提出对不同的商品可分别根据商品间的相似性和顾客间的相似性进行聚类和协作推荐,并具体给出基于聚类协作过滤的商品个性化推荐的流程、系统设计和系统实现。