基于Boosting框架的推荐系统架构与优化

现如今推荐算法已得到广泛应用,但大多数推荐算法均存在各自的局限性。针对这一问题,提出一种基于Boosting框架的推荐系统架构,以多种基本推荐算法为基础,集成一个强推荐系统。将基于Boosting的推荐系统,在MovieLens 100K中进行测试。测试与分析结果表明,该系统测试结果显示Precision达到39.44%,比原来提高8.63%。因此,集成的推荐系统能够有效提升推荐效果,为用户提供良好的用户体验。     

基于Mahout的图书推荐系统的设计与实现

为了让用户快速地寻找到自己需要的书籍,文章阐述了一种基于Mahout的图书推荐系统的设计与实现。该系统主要使用Taste引擎来构建用户偏好,使用基于项目的协同协同过滤算法计算物品和物品之间的相似度,向目标用户进行推荐。系统采用分层设计,易于开发和维护,稳定性强,有利于对用户兴趣度的后续数据挖掘研究。     

基于连通性和随机游走的好友推荐算法

近年来,随着在线社交网络的普及,好友推荐受到越来越多的人关注。如何为用户快速准确地推荐朋友是考量平台服务能力的一项重要指标。针对基于社会图局部特性的朋友推荐方法存在对路径信息利用不足以及基于全局特性的朋友推荐方法计算成本高,过程复杂等问题。为此,文中提出一种新的在线社交网络好友推荐算法。它从连通性出发,考虑了节点在整个网络的重要性,同时根据"小世界"假说以及随机游走概念,考虑了所有的有限路径,能为用户快速准确地推荐好友。实验结果证明,文中提出的方法显著的提高了在线网络朋友推荐的准确性。     

位置社交网络的潜在好友推荐模型研究

为了提高位置社交网络的服务便捷性和用户感受度,与位置相关的推荐服务越来越具有重要意义和应用需求.提出的潜在好友推荐模型主要是根据签到位置的相似度及好友相似度进行潜在用户推荐.通过用户的好友关系、签到特性及签到历史记录,计算用户在各个位置兴趣点的位置权重,再分别利用位置权重及好友关系计算用户的位置相似度和好友相似度,最后根据用户位置和好友关系的综合相似度进行潜在用户推荐.实验结果表明,提出的潜在好友推荐模型是切实有效的.     

基于HTML5的校园食谱推荐系统的设计与实现

如今人们越来越重视饮食健康,而由于学生的学习繁忙又无暇过多研究考虑饮食搭配问题或咨询专业的营养师,因此对于快捷、方便、准确、有效的食谱推荐系统的需求越来越强烈。为了解决以上问题,本文提出了一种基于HTML5的校园食谱推荐系统的设计方案,并完成了该系统的软件设计与实现。本系统利用HTML5、Java、mySQL数据库等技术,结合营养学相关理论,实现了一个食谱推荐系统。实验结果表明,该系统具有操作简单,功能完备,具有一定的实用价值。     

基于混合推荐技术的新闻推荐系统

本文旨在通过建立一个以新闻网站为载体的新闻推荐系统,实现对推荐技术的创新与实践.该推荐系统将注重各类流行推荐技术的混合与复用,并以此应用于各类新型环境中.本项目通过参考多种主流推荐模式,利用对应规则将其有机结合,兼顾了模型的准确度、运行效率和可维护性.通过后端的相关设计,使得用户或物品较为复杂的多维参数降维成一维,这使...     

招聘网站职位与简历的双向匹配相似度算法

针对当前热门的网络招聘模式中简历与职位的匹配推荐算法的参考信息属性较少,难以为求职者提供真正准确度高、行之有效的职位信息推荐的现实,进行招聘网站中的企业和个人用户属性信息数据、简历和职位的属性信息匹配度的研究,借助于贝叶斯公式对于简历中的专业信息进行行业分类,在此基础上提出改进的相似度算法,对职位和简历的属性进行相似度算法计算,得到职位与简历之间的匹配度信息,从而做到更为精准有效的职位推荐,最后采用真实网站数据完成了算法检验,效果较好。     

基于DeepFM的校准游戏推荐系统研究

针对传统推荐模型只能提取低阶特征,不能挖掘高阶组合特征,且推荐结果往往没有考虑到Bias的问题,本文提出一种适用于游戏推荐场景的基于DeepFM的校准游戏推荐方法.此方法充分发挥了DeepFM能够挖掘低阶和高阶特征的能力,利用Steam平台的数据集训练优化模型,并进行了测试验证,同时还运用校准推荐对结果进行去偏得到最后...     

融合标签关联关系与用户社交关系的微博推荐方法

通过分析微博特点及现有微博推荐算法的缺陷,提出一种融合了标签间关联关系与用户间社交关系的微博推荐方法.采用标签检索策略对未加标签和标签较少的用户进行加标,构建用户-标签矩阵,得到用户标签权重,为了解决该矩阵中稀疏的问题,通过挖掘标签间的关联关系,继而更新用户-标签矩阵.考虑到多用户之间社交关系对挖掘用户兴趣并进行微博推荐的重要性,构建用户-用户社交关系相似度矩阵,并与更新后的用户-标签矩阵进行迭代,得到最终的用户兴趣并进行相关推荐.实验证明了该算法针对微博信息推荐是有效的.     

An algorithm for friend-recommendation of social networking sites based on SimRank and ant colony optimization

We put forward an algorithm on friend-recommendation of social networking sites based on SimRank and ant colony optimization, which broadens the appliance of the algorithm in this academic question. The algorithm focuses on the existing relationships between the members as the initial measurement and constructs artificial ants’ completed routing graph. Finally, an ordered and limited list of personalized recommendations through recursive optimization is produced. In the end, we verify the algorithm's rationality and validity through simulation and the result shows that it can improve the precision of friend-recommendation.     

基于特征分析的微博用户兴趣发现算法

本文在综合兴趣模型研究现状的基础上,结合微博数据集对微博用户的特征进行分析,建立微博用户兴趣模型,并提出基于微博用户兴趣模型的发现算法。实验结果表明,本文提出的算法能很好的发现微博用户的兴趣,提高推荐系统的质量。     

基于邻近项目的Slope One协同过滤算法

协同过滤是个性化推荐系统中的常用技术,数据稀疏性是影响协同过滤算法预测准确度的主要因素。提出了改进的Slope One算法,在该算法中,首先根据用户历史评分计算项目间相似性,然后依据项目相似性选取当前活跃用户评价过的k个相似项目记为邻近项目集合,并计算目标项目与其邻近项目的评分偏差,最后以项目间相似性为权重,计算当前活跃用户对目标项目的评分预测值。该算法使用邻近项目进行计算,降低数据的稀疏性,同时减少了计算量。使用标准MovieLens数据集对该算法的预测结果进行验证,结果表明：相对于原算法,该算法提高了预测的准确性,与其他协同过滤算法相比,推荐准确度也有明显的提高。     

浅析信用信息联合征信平台建设

信用信息联合平台建设是社会信用体系建设的重要内容之一，提出了平台建设的目标和任务，对平台建设需求、技术难点进行了简要介绍，最后指出法制建设是平台建设的必要保障。     

基于SNA的群体推荐系统的研究

由于信息爆炸问题,如何为用户提供有效的个性化信息服务已得到广泛关注,而随着社交网络的流行及其带来的大量网络群体,如何为群体提供更好的个性化推荐服务也变得越来越重要.文中不仅考虑用户的兴趣偏好,同时利用社会网络分析法（Social Network Analysis,简称SNA）衡量用户之间的社会关系,将此因素融入推荐过程,实验证明此方法能够取得较好的推荐效果.     

中间件技术的研究与实现

随着计算机技术的发展,中间件已经成为一个重要的发展方向。在分析了中间件技术的各种特点的基础上,根据作业管理系统的特点,介绍了一种基于异构集群之上的作业管理系统———JobManage的实现方法。该系统提供利用NQS实现作业的提交与调度、作业远程投交、定时投交等功能,并且实现了集群系统的负载平衡。     

采用协同过滤技术进行工作流活动推荐

为解决企事业单位的流程变动问题,利用正常实例和异常实例信息向当前不完整实例推荐下一可能执行的活动.由于每个工作流实例是一个活动名称序列,它们不能直接参与数值运算,需首先将序列中每个活动出现的顺序以数值的形式表示出来,最终将实例库转换成矩阵形式,该矩阵类似于推荐系统中的User-Item矩阵,以便于实例间相似度计算.最后,从实例库中筛选出与当前不完整实例相似性高的完整实例,利用这些实例的信息构造出活动列表,作为推荐结果.实验结果及对比分析表明：我们的活动推荐算法是可行的和有效的.     

Spark平台下教育资源个性化推荐研究

在面对海量教育数据处理情况时,传统的协同过滤算法在单机上训练和测试效率低下,针对该问题,提出了基于Hadoop分布式平台和Spark并行计算模型的无中间结果输出改进型教育资源推荐策略,该策略较好地发挥了Spark的迭代计算能力优势,在应用于教育资源推荐时,比较了传统算法与改进算法在分布式情况和非分布式情况下的推荐效率和推荐质量的情况.实验结果表明,利用Spark计算模型实现协同过滤算法能够有效地提高教育资源个性化推荐的推荐质量以及推荐效率.     

群组推荐分析与研究综述

随着大数据时代的到来,推荐系统的应用领域也愈发广泛,组推荐系统的推荐服务对象由单一用户扩展为群组成员,正成为推荐系统领域的研究热点之一。组推荐系统需要考虑所有群体成员的偏好,将各成员的偏好融合,缓解群组成员之间的偏好冲突,使推荐结果尽可能满足所有群组成员。主要对最近的组推荐的研究进展进行综述,分别对群组分类、群组发现、群组预测推荐的前沿进行总结,并概括了群组推荐的影响因素。最后,对组推荐的研究点及其展望分别进行阐述。     

交互式电视中个性化推荐系统的研究

旨在分析研究如何把个性化推荐系统引入交互式电视中加以应用。概括介绍了个性化推荐系统的功能架构和组成要素,重点对几个主流的推荐算法进行分析和对比,总结了交互式电视中个性化推荐技术研究的重难点,分析了个性化推荐系统在未来交互式电视中的应用以及可能的研究方向。