几种内容聚合工具的在线学习应用研究

随着Web2．0技术的发展,内容聚合技术（即RSS技术）正在逐步渗透到网络在线学习的各个领域,极大地改变了我们的信息获取方式和学习方式。内容聚合技术主要是指：用户按照自己的兴趣,在提供内容聚合服务的软件中定制自己感兴趣的主题信息,该软件将在网上将符合该主题的信息主动推送到用户的计算机上。本文通过对目前常用的内容聚合工具进行划分,深入挖掘不同类型工具的应用功能,以期对今后的在线学习推广应用给予启示。     

基于个性化订阅的版面适配问题研究

设计并实现一个资源聚合系统。该系统可以让用户在海量信息中,迅速获得自己感兴趣的信息。该系统具有可以个性化订阅RSS资源、同微博数据对接、根据用户的阅读记录对订阅资源进行排序以及在多种设备上自动适配版面产生杂志化显示效果等特点。经过实践证明,该系统效率较高、使用方便,并具有良好的可扩展性、实用性和可维护性。     

基于RSS的高校网络教育资源系统研究

本文介绍了RSS技术的概念、工作原理和技术特点,分析了当前高校网络教育资源系统的现状,探讨了RSS在海量、异构的教育资源环境中的应用,并设计实现了网络教学资源的获取、聚合、过滤和发布。     

RSS任我添

如今,RSS技术正在逐渐改变全球网民的浏览习惯,它使得网民们可以在网络世界的海量信息中有针对性地订阅自己感兴趣的信息源,形成自己的独立自治信息区域,用起来十分方便。另一方面,支持RSS阅读的软件也越来越多了(见本刊4月号《让RSS无处不在》)。工具和资源都已经具备,但对于一般用户,添加RSS服务到特定的工具还显得有些复杂。     

上搜索引擎查找RSS Feed资源

不少人经常用RSS阅读器把自己喜欢的订阅添加进去,这样就不需要一个一个网站去闲逛了,一旦有了新内容,RSS阅读器还会自动提醒,获取海量资讯变得更加简便。但要查找到自己感兴趣的RSS Feed信息源却不是一件容易的事情,就让这个名为"RSS Search Engine"的专业RSS Feed资源搜索站点来助我们一臂之力。     

订阅无限

RSS技术,即简易信息聚合技术（Really Simple Syndication）,可以让我们不再重复花费人量时间住新闻网站或搜索引擎上苦苦搜寻,避免无远弗界的广告骚扰,更专心地获取自己需要的内容。除了使用专门的RSS阅读软件外,我们还可以使用各种浏览器甚至邮件管理软件进行阅览,笔者就任这里给人家作一些介绍。     

海中捞针 Android类RSS阅读应用全攻略

所谓RSS聚合类阅读工具,是通过一款客户端工具或WEB平台将众多网站的咨询整合到同一界面内,免去用户逐一打开不同页面获取资讯的麻烦。而如今用户将手机、平板电脑作为上网设备,在不方便通过手动输入新网址访问不同的资讯网站时,这类RSS聚合类工具就显得尤其重要了。那么面对造型各异的RSS阅读应用时,究竟该怎样找到最合适自己的RSS阅读应用呢?     

RSS技术及其教育功能探究

RSS是基于XML的信息聚合技术,它使信息能够迅速、及时的传递给用户。该文主要介绍了RSS技术的基本概念及特点,然后基于该技术特点,具体探讨了该技术在网络教育上的应用。     

一种基于耦合对象相似度的项目推荐算法

推荐系统根据用户的偏好为用户推荐个性化的信息、产品和服务等,能够帮助用户有效解决信息过载问题。基于内容的协同过滤算法缺少合适的度量指标用来计算项目之间的相似度。提出一种基于耦合对象相似度的项目推荐算法,即通过耦合对象相似度捕获项目特征频率分布相似性和特征依赖聚合相似度。首先从项目文本中抽取项目的关键特征,然后利用耦合对象相似度构建项目相似度模型,最后使用协同过滤的方法为活动用户推荐用户可能感兴趣的项目。在真实数据集上的实验结果表明,基于耦合对象相似度的推荐算法可以有效解决基于内容推荐系统的项目相似度度量问题,在缺失大量项目特征数据的情况下改进传统基于内容推荐系统的推荐质量。     

基于隐私保护的个性化推荐系统

针对传统个性化推荐系统存在的隐私容易泄露的缺点,提出一个基于代理的智能推荐系统,在向用户提供准确方便的内容推荐服务的同时保护用户隐私。在该系统中,所有用户私有信息的操作都在客户端执行,使用户隐私得到完善的保护。以嵌于RSS阅读器中的个性化广告系统为例,表明该方法能准确地推荐用户感兴趣的内容并且保护用户隐私。     

采用代理和Ajax技术设计开发RSS个人信息聚合系统

RSS作为一种信息聚合技术,带来了全新的阅读体验。如何减少浏览器与服务器的交互时间,改善用户体验和自动确定用户的兴趣信息等是值得研究的课题。提出一种基于代理机制和Ajax技术的RSS个人信息订阅系统的技术框架。基于该技术框架能够实现个性化信息推荐,用户信息收藏夹管理和抽取Web信息等新颖的实用功能,并探讨了相关的关键技术。     

基于改进Canopy聚类的协同过滤推荐算法

推荐系统通过建立用户和信息产品之间的二元关系,利用用户行为产生的数据挖掘每个用户感兴趣的对象并进行推荐,基于用户的协同过滤是近年来的主流办法,但存在一定局限性：推荐时需要考虑全部用户,而单个用户往往只与少部分用户类似。为了解决这个问题,提出了基于改进Canopy聚类的协同过滤推荐算法,将用户模型数据密度、距离与用户活跃度结合,计算用户数据权值,对用户模型数据进行聚类。由于结合了Canopy的聚类思想,同一用户可以属于不同的类,符合用户可能对多领域感兴趣的情况。最后对每个Canopy中的用户进行相应的推荐,根据聚类结果与用户评分预测用户可能感兴趣的对象。通过在数据集MovieLens和million songs上与对比算法进行MAE、RMSE、NDGG三个指标的比较,验证了该算法能显著提高推荐系统预测与推荐的准确度。     

融合上下文信息与核密度估计的协同过滤推荐

随着互联网信息技术的迅速发展,网络数据量快速增长,如何在海量数据中找到用户感兴趣的信息并实现个性化推荐是目前重要的研究方向。协同过滤算法作为推荐系统中的经典方法被广泛应用于不同场景,但是仍然存在数据稀疏,以及在计算相似度时不能考虑到所有数据的问题,只能够利用具有共同评分的数据,严重影响了推荐的精确度。针对上述存在的问题,提出了一种融合上下文信息与核密度估计的协同过滤个性化推荐算法。该算法通过对用户和项目各自的上下文信息和已经存在的用户评分数据进行处理,通过核密度估计构建用户和项目的兴趣模型,充分挖掘了用户和项目的兴趣分布,以获得更准确的用户和项目兴趣相似度,降低预测评分误差。在公开的数据集上验证表明,将该算法对比传统的协同过滤算法,有效提高了推荐的精确度。     

信息检索分类系统中过滤推荐算法研究

针对信息检索分类技术发展的需求,本文通过对协同过滤推荐算法的综述,提出传统过滤算法无法适用于用户多兴趣下的推荐问题进行了剖析,提出了一种基于用户聚类的协同过滤推荐改进算法,提高聚类的精确性,根据用户兴趣相似的特征改进计算用户相似性的方法。     

An adaptive personalized news dissemination system

With the explosive growth of the Word Wide Web, information overload became a crucial concern. In a data-rich information-poor environment like the Web, the discrimination of useful or desirable information out of tons of mostly worthless data became a tedious task. The role of Machine Learning in tackling this problem is thoroughly discussed in the literature, but few systems are available for public use. In this work, we bridge theory to practice, by implementing a web-based news reader enhanced with a specifically designed machine learning framework for dynamic content personalization. This way, we get the chance to examine applicability and implementation issues and discuss the effectiveness of machine learning methods for the classification of real-world text streams. The main features of our system named PersoNews are: (a) the aggregation of many different news sources that offer an RSS version of their content, (b) incremental filtering, offering dynamic personalization of the content not only per user but also per each feed a user is subscribed to, and (c) the ability for every user to watch a more abstracted topic of interest by filtering through a taxonomy of topics. PersoNews is freely available for public use on the WWW ().

基于简易聚合技术对电子商务个性检索的应用

针对网页数量激增,网上信息资源庞大而繁杂的现状,介绍了个性化信息检索系统的发展及相关技术.并在介绍简易信息聚合技术(RSS)的含义和功能的基础上,利用 RSS 的信息聚合和信息推送两大基本功能,重点分析了基于 RSS 技术的对电子商务个性检索的应用.     

自校正滤波器在卫星定位中的应用

设计了一种新的基于ARMA模型的自校正卡尔曼滤波器,对卫星定位误差模型参数进行分段在线估计,根据误差模型估计参数直接求取滤波增益阵.并提出了一种直接计算滤波误差方差阵的方法,对两个不同的定位系统进行信息融合.仿真结果表明,在未知噪声统计特性的情况下,自校正卡尔曼滤波器能有效过滤观测噪声,基于它的信息融合规则能够有效提高定位精度.计算过程简单,并可以在线建模.     

结合非负矩阵分解的主题社区好友推荐算法

为用户推荐好友是在线社交网络的重要个性化服务。好友推荐可以帮助用户发现他们感兴趣的好友,减轻信息过载的现象。然而,目前现有的推荐方法仅考虑用户链接或内容信息,推荐精度不高,不足以提供高质量的服务。在本文中,考虑了用户之间的链接和内容信息,提出了一种结合非负矩阵因式分解的主题社区好友推荐算法(T-NMF)。该算法给出了主题社区和综合相似度计算方法,产生好友推荐列表。实验表明,该算法可以更好的反映用户的偏好,并且具有比传统方法更好的推荐性能。