基于关联规则挖掘的电子商务个性化推荐系统研究

分析了个性化推荐系统体系结构,并对其推荐过程进行了详细阐述,最后给出了一个基于关联规则挖掘的电子商务个性化推荐系统的具体实例.     

面向大规模定制的个性化推荐研究

分析了面向大规模定制的个性化推荐的特征,并给出了基于关联规则挖掘的个性化推荐模型.模型中的关联规则代表了客户特征与产品属性之间的关系,包括基于全部客户定制历史记录的基本规则和基于特定用户的定制历史记录的个性化规则.针对现有关联规则研究应用的关联规则存在知识冗余,规则数量太多的问题,提出最强关联规则的概念并将其应用于大规模定制的个性化推荐.最后,采用著名的个性化推荐数据库MovieLens数据,给出应用实例,验证了本方法的效果.     

个性化推荐技术在电子商务CRM中的应用

在电子商务环境中,客户与企业交流的过程中产生了海量的客户行为数据记录,这是企业提高客户关系管理能力的巨大优势。但与此同时,企业也面临着如何有效挖掘和利用这些信息资源,优化客户关系,提升企业竞争力的巨大挑战。论文在分析客户关系管理在企业运营中的重要作用的基础上,讨论了常用的个性化推荐技术及其在电子商务客户关系管理中的应用。     

基于网络用户信息行为的个性化推荐模型

探讨了网络用户信息行为的基本概念和个性化推荐的相关技术。以此为基础,创建了基于网络用户信息行为的个性化推荐模型。对比实验结果表明,此模型在准确率、稳定性、推荐效率方面有一定的优势。     

电子商务环境中个性化信息推荐服务的发展

基于因特网的电子商务蓬勃发展,信息强度和密度前所未有,用户数与项目数呈级数增长,个性化信息推荐服务显得越来越重要．电子商务下的个性化信息推荐系统在理论和实践上都得到了很大发展,协同过强推荐技术是最成功的个性化推荐系统．     

个性化推荐技术的研究

电子商务正以空前的速度进入人们的生活。人们对于网上交易的便捷性和智能化也提出了新的要求。个性化推荐作为网络商业活动的中介的出现，对智能化电子商务起到了很大的推动作用。个性化推荐可以根据用户的兴趣爱好主动推荐商品，提供个性化的服务。本文介绍了代理的定义并对商业代理所采用的关键技术进行了讨论，预言了它的未来发展趋势。     

基于多关联度的移动用户POI个性化推荐

为了帮助移动用户探索新位置,协助商家发现潜在顾客,提高移动用户访问POI的质量,本文提出了一种将地理位置、时间和类别相结合的多关联度POI个性化推荐方法——GeoTempCate,来对移动用户进行个性化POI推荐.该方法探讨了POI的地理位置关联关系、访问时间关联关系以及POI的类别关联关系.通过分析用户的历史访问POI数据,利用3种关联关系来预测移动用户对其未访问POI的关联评分,进而对移动用户进行个性化POI推荐.最后使用准确率和召回率来评价推荐的POI,实验结果表明本文提出的方法,无论是准确率还是召回率,都得到了较高的精确度.     

基于云计算的电子商务推荐系统研究

通过对云计算系统架构、平台开发、用户行为分析、电子商务应用等方面的研究,提出了一种新型的分布式存储系统,并在此基础上构建了一种新的智能化电子商务个性化推荐系统。该推荐系统有效解决了大型日志数据存储、无法实时推荐、算法伸缩性低等问题,为用户提供动态、实时的个性化服务,实现了商务推荐引擎的个性化和智能化。     

基于用户兴趣的个性化推荐算法研究

针对协同过滤算法存在用户兴趣不易捕捉的问题,提出了一种基于用户兴趣偏移和项目自身属性特征的个性化推荐算法。利用滑动时间窗内项目属性和用户评分建立出用户兴趣偏爱因子,通过推荐项目自身属性特征给出用户对项目的偏爱度;最后结合项目偏爱度和协同过滤算法中预测评分产生推荐。实验结果表明,该算法准确反映出用户兴趣的偏移和项目自身属性特征,在推荐质量上也得到提高。     

基于知识图谱的国内外个性化推荐比较研究

在CNKI和SCI中以“个性化推荐”为主题词进行检索,同时借助Excel和Citespace可视化研究工具,对采集的数据进行文献共被引分析和关键词聚类分析,对国内外发文量、高被引情况进行比较,描述该领域在研究热点方面的状况,探讨国外研究前沿,为我国个性化推荐的研究提出建设性意见和建议.     

面向会话型推荐系统的个性化分层循环模型

为了精准地捕捉用户行为模式,引入中期兴趣的概念,提出一个基于循环神经网络（RNN）的个性化分层循环模型,通过在同一框架下联合利用用户的会话、区块和全部行为序列来学习用户的综合兴趣.利用一个捕捉会话内序列模式的会话级RNN建模用户的短期兴趣;设计了一个捕捉区块内相邻会话关联关系的区块级RNN,进一步描述用户的中期兴趣;使用一个用户级RNN追踪长期兴趣的演化;引入带有不同交互机制的融合层,以有效融合不同层次的兴趣信息.在3个真实数据集上进行实验,结果表明,该方法与先进的推荐方法相比,Recall@10提升了18.35%.     

注意-情绪协调的个性化信息推荐模型

在分析注意、情绪及两者关系的基础上，提出了注意-情绪协调模型，并以情绪唤醒选择性注意. 在北京旅游信息推送服务中，综合考察用户的注意、情绪和信息的语义特征，提出了注意-情绪协调的个性化信息推荐模型. 通过在推荐模型中加入情感风格，整合信息资源，使信息呈现方式适应用户的注意选择性特征，为个性化信息服务和新型人机交互提出了一种新思路。     

基于LBS的个性化手机菜品推荐系统设计与实现

为满足用户"随身、随时、随地"的个性化服务需求,设计一款基于位置服务(LBS)的个性化菜品推荐系统。在系统中,首先通过对用户的位置感知,记录每个用户的用餐信息;然后通过现有的选择过程或相似关系来获知用户的潜在兴趣;再对当地餐馆和菜肴的信息进行过滤,将用户可能感兴趣的餐厅和菜品推荐给他们。     

基于JavaEE的电子商务推荐系统的设计与实现

通过在一个实际的基于JavaEE架构的电子商务平台上附加一个推荐引擎,使得该引擎能在实际购物过程中对用户的行为进行分析、计算,从而得到用户在近期内的个人偏好,并能在平台数据库中为用户做出合理有效的商品推荐.     

移动个性化信息服务中的用户兴趣模型挖掘

以移动终端离线浏览系统为基础，研究了利用数据挖掘的理论和方法如何得到准确描述用户兴趣的用户模型. 该方法首先对收集到的移动用户浏览新闻的行为进行分析，并且对这些新闻的内容进行聚类分析，通过挖掘算法得到用户的兴趣模型. 实验证明,该模型能较好地描述用户的兴趣，提高个性化信息服务的效率.     

移动个性化信息服务中的用户兴趣模型挖掘

以移动终端离线浏览系统为基础，研究了利用数据挖掘的理论和方法如何得到准确描述用户兴趣的用户模型. 该方法首先对收集到的移动用户浏览新闻的行为进行分析，并且对这些新闻的内容进行聚类分析，通过挖掘算法得到用户的兴趣模型. 实验证明,该模型能较好地描述用户的兴趣，提高个性化信息服务的效率.     

基于关联规则的知识推荐算法

根据知识管理系统用户的个性化需求，在分析基于Tag技术个性化收藏知识流程的基础上，提出了基于关联规则的知识推荐算法；针对经典Apriori算法推荐精度的不足，提出改进算法，并给出了应用实例。实例证明，改进算法能在更短的时间内提供更高的推荐覆盖率。     

基于协同过滤算法的个性化推荐系统的设计及实施

Internet的发展导致了信息资源的膨胀,用户希望能通过自动化的工具来发现期望的信息资源,为了满足用户的这个需求,个性化推荐系统就随之产生了。个性化推荐系统所采用的推荐算法决定了推荐系统的优劣,本文主要设计了基于协同过滤算法的个性化推荐系统模型,并将该模型应用于相应的网站中。     

中国旅游业绩效评价

采用经济效益指标和社会效益指标对中国旅游业绩效进行了综合评价。