多样性数据推荐算法研究

大数据背景下,数据挖掘及信息推荐越来越普遍,但目前推荐系统主要集中在单一数据来源,忽视源数据的多样性。文中根据用户历史或当前操作对推荐数据的影响定义数据集的可用性,考虑数据间可用度的相互影响、用户对不同源数据集的偏好程度及偏好的周期变化,结合关联规则推荐和协同推荐算法的优点,提出多样性数据推荐算法。     

基于大数据平台的大学就业信息管理系统

为有效管理大学就业信息,提升大学毕业生就业比率,设计基于大数据平台的大学就业信息管理系统.系统中毕业生管理平台用于毕业生编辑个人信息、了解就业相关信息、查看招聘信息;企业信息管理平台用于企业编辑自身资料与发布招聘信息,寻找符合岗位需求的毕业生;个性化推荐平台利用基于用户历史信息的推荐方法实现离线就业推荐,利用基于实时用...     

基于关联数据的图书个性化智能推荐系统设计

针对传统图书推荐系统存在匹配度不高、用户满意度较低的问题,引入关联数据技术设计一种新的图书个性化智能推荐系统。系统硬件结构由智能数据存储层、智能数据挖掘层、数据用户界面层组成,系统选用的处理器为嵌入式处理器,存储器为静态存储器。软件模块分为信息获取、信息匹配、信息推荐三个部分。为了检测系统工作效果,将其与传统推荐系统进行对比。结果表明,所设计的推荐系统能够精准地将用户所需信息与图书信息匹配到一起完成推荐,达到用户满意的效果。     

基于微信公众平台的景区个性化推荐系统设计

为解决信息过载导致景区推荐系统推荐效果差的问题,基于微信公众平台设计了景区个性化推荐系统.系统由表示层、业务层以及数据层三部分构成,数据层将采集的景区属性、用户特征信息以及用户行为数据等信息发送至业务层,业务层将协同过滤推荐算法应用于已训练的目标分类器实现景区个性化推荐,并将推荐结果通过表示层发送至微信公众平台的人机交...     

基于Web的旅游产品推荐系统设计与研究

传统旅游产品推荐系统能够为用户推荐简单产品信息,但存在用户浏览意愿不强、满意度差、推荐商品购买率低的不足,提出并设计基于Web的旅游产品推荐系统。利用Web数据端对产品需求量进行数据采集;采用核心算法重新配置数据信息,通过SQL语言进行逻辑编辑,实现产品推荐模块设计;服务器将上述模块进行串联,实现基于Web的旅游产品推荐系统的设计。通过仿真实验结果表明,设计推荐系统具有较高的用户满意度,用户浏览意愿提升,推荐产品购买率得到提高。     

个性化推荐系统安全防护研究

近年来,个性化推荐系统作为电子商务技术的一项重要研究内容,有效地解决了信息过载的问题,为用户提供了精准的个性化推荐服务并为厂商带来了更高的收益。但与此同时,随着数据规模的增大、用户信息数据重要性的提升,推荐系统安全问题开始受到广泛关注。个性化推荐系统如何保证用户数据安全,即使在恶意数据的干扰下仍能保证推荐系统的准确可靠亟待解决。文章就此,分析国内外的研究情况,首先介绍个性化推荐系统及其信任度的概念,明确了用户隐私数据安全对推荐系统的重要性;接着,介绍了常见的用户隐私数据保护策略;最后对推荐系统托攻击与其攻击检测算法进行归纳总结,并提出可供参考的解决方法。     

基于关联规则算法的推荐系统设计与研究

随着互联网的深化普及,当前我国社会已经进入大数据时代,这是一个信息网络和数据经济相互交融的时代.电子商务系统在为用户提供越来越多选择的同时,其结构也变得更加复杂,用户想从海量数据中找到所需要的信息,所用的时间越来越长,"信息过载"和"信息迷失"的现象日益严重,如何高效地为用户推荐所需要的信息,在数字时代变得越来越重要.本文研究的推荐算法就是基于这一问题,试图给出相应的解决方法.首先,介绍了推荐系统的研究背景、研究意义;其次,详细介绍了关联规则的推荐算法,通过案例进行分析、说明此算法的有效性.     

基于云计算平台的图书馆混合推荐技术研究

研究基于云计算平台的图书馆混合推荐技术,向不同类型用户精准推荐图书。构建以并行计算框架为计算前提的图书馆混合推荐系统。采用Flume采集图书馆用户日志信息和图书馆图书数据,将采集到的数据信息传输到Kafka消息中间件后,向集群中传入集群订阅的数据信息,集群在用户粘稠度较低时采用聚类算法聚类图书馆数据信息,获取聚类中心,依照聚类中心用户读书偏好向目标用户推荐图书。在用户粘稠度较高时,采用基于协同过滤的混合推荐算法分析目标用户阅读偏好,计算目标用户偏好和用户群中用户偏好相似程度,将偏好相似程度作为权值,组合多个权值产生预测评分,通过预测评分推荐图书。经过实验分析发现,该方法推荐精准性最高为99.72%,推荐查准率高于95%,响应时间不超过0.2 s,说明该方法能高效快速地向目标用户推荐图书。     

一种基于线性回归的新型推荐方法

随着社交媒体的大力发展,互联网不再只是人们获取信息的工具,同时还是人们分享信息的渠道.用户生成内容使得人们面临着信息过载,大量真正有价值的信息难以被发现.个性化推荐系统凭借其较低的用户参与度被认为是当前解决信息过载最有潜力的方法之一.然而,目前最成熟、应用最广的协同过滤推荐方法正面临着数据稀疏性、多样性等问题,其推荐效果不甚理想.本文提出了一种基于线性回归的推荐方法,利用用户或物品的评分频次信息,建立了线性回归模型,以此预测用户对未评分物品的评分.该方法具有低复杂性、可增量更新、高准确性等优点.     

基于本体论的个性化影片推荐技术研究

个性化影片推荐服务是解决目前网络及家庭数字电视应用中影片资源迅速增长,用户"信息迷航"的有效方法.针对影片点播应用,给出了个性化影片推荐服务的体系结构、影片数据建模、用户兴趣偏好模型进行了研究,实现无需用户输入传统推荐方法所需相关个性兴趣信息即可返回与用户当前兴趣相关的影片推荐列表,提出了基于本体论的影片模型,并建立用户兴趣偏好模型,给出了对推荐过程中结合用户信息反馈对推荐结果进行自适应的调整算法.