资讯类新闻套图系统

考虑到图片具有对事件诠释力强,传播便利的特点,研究了从大量数据密集的新闻Web页面中自动提取数据,并组织成套图结构展现给用户。基于页面模板实现动态页面抽取和解析,处理转换为对应的套图数据结构。基于余弦相关性对来自不同网站的新闻套图数据进行去重,并根据相应的标准,为数据集进行评分排序。考虑巨大的新闻数据和用户数量,本系统基于hadoop分布式平台,满足系统的高可扩展性。本文将详细描述我们的系统设计和实现,并公布在百度资讯图片栏目上的运行结果。     

一种基于用户情境聚类的个性化推荐算法

面向基于情境感知的推荐问题,提出一种基于用户情境聚类的个性化推荐算法。该算法利用情境预过滤的思想,首先运用模糊聚类的方法对历史数据集中用户的情境进行聚类,构造与当前用户情境相似度较高的用户集合,再与传统的基于用户的协同过滤算法相结合进行个性化推荐。实验采用公开数据集,结果表明该算法在多维情境信息条件下可用,并且推荐准确度要高于传统协同过滤算法,在聚类粒度不同的情况下对推荐结果也会产生不同的影响。     

一种基于移动用户位置的网络服务推荐方法

伴随着无线通信技术和智能移动终端的快速发展,基于位置的服务(location-based services,简称LBS)以其移动性、实用性、随时性和个性化的特点,在军事、交通、物流等诸多领域得到了广泛的应用,成为最具发展潜力的移动增值业务之一。在一个基于位置的网络服务推荐框架的基础上,给出了一种基于位置的移动用户偏好相似度计算方法,同时证明了其满足近邻相似测度的一般性质;然后,提出一种符合社会学概念的信任值计算方法。把它们应用于基于移动用户位置的网络服务推荐过程中,从而形成了一种基于移动用户位置的网络服务推荐方法。该方法有效地提高了网络服务推荐的准确性和可靠性,同时缓解了推荐过程中可能存在的数据稀疏性以及冷启动问题。最后,通过公开的MIT数据集验证了该推荐方法的准确度和可行性。     

智能电网增值业务的调研分析及个性化服务制定

智能用电服务、电动汽车充换电、电力光纤到户、社会公共信息服务是智能电网的4项增值服务,已经慢慢融入到人们的生产生活之中。通过网络调研问卷的方式收集用户基本信息和对智能电网增值业务不同需求的信息数据,在对不同用户群体的特征分析及需求分析的基础上,创新性地制定出针对不同用户的个性化智能电网增值服务策略,让智能电网用电增值服务最大程度地满足不同客户的个性化需求,从而提高客户的使用舒适度。     

基于改进的混合模式个性化选课推荐技术研究

针对高等学校学生选课系统中存在的缺乏个性化课程推荐、选课效率较低的问题,通过对个性化推荐技术的分析研究,提出了基于内容、项目及用户属性的改进混合模式算法,并将该算法应用到选课系统中,用MACE数据集对算法进行验证。结果表明,该算法解决了个性化推荐技术中的冷启动问题,相关指标有明显提高,实现了课程与新课程的个性化推荐,并减少了选课的盲目性。     

基于动态马尔可夫模型的智能网页推荐

马尔可夫模型被广泛应用于智能网页推荐中,研究表明高阶马尔可夫模型比低阶模型具有更高的推荐精度,但高阶模型存在着状态空间复杂度高的问题。提出了一种新颖的基于动态马尔可夫模型网页推荐方法,动态马尔可夫模型采用基于聚类的状态克隆方法提高模型的精确度,同时通过设置精确度域值可以有效地控制模型的状态空间复杂度。     

层次凝聚算法在商品个性化推荐中的应用

商品的个性化推荐是电子商务个性化服务中非常重要的一个方面,而聚类协作过滤则是推荐系统中采用最为广泛的技术。在基于聚类协作过滤的商品个性化推荐中的聚类算法通常采用划分聚类,文章根据电子商务网站的特点,提出了用改进的Rock层次凝聚算法Improved-Rock实现基于购买商品类别相似性的用户聚类。模拟实验结果表明该算法的应用是有实际价值的。     

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。     

自适应推荐算法在电子超市个性化服务系统中的应用研究

为了满足电子超市中用户的个性化的服务需求，提出并实现了一种基于支持向量机的自适应推荐算法。首先，将用户模型按照层次化方式组织成领域信息和原子需求信息，考虑多用户同类信息需求。采用支持向量机对领域信息节点中的原子需求信息进行分类协同推荐，然后在针对每一领域信息节点中的原子信息需求进行基于内容的过滤。该算法克服了分别采用协同推荐和基于内容的推荐单一方法的缺点，大大提高了信息的查准率和查全率，尤其适合大规模用户群的信息推荐。该算法用于基于电子超市的个性化推荐服务系统（PRSSES）中，结果表明是有效的。