一种团购商品的个性化推荐算法研究

团购商品凭借其价格优惠和能够亲身体验的优势越来越得到人们的青睐.为帮助团购网站实现个性化营销,将用户购物过程中的上下文环境因素融入到传统的推荐算法中,提出了一种基于上下文感知的推荐算法,基于用户相似和物品相似中加入上下文信息相似,构造了计算商品预测评分的公式,进而得到推荐列表,使个性化推荐体现得更加充分.     

上下文感知推荐系统:挑战和机遇

该文梳理了社会和科学领域中上下文感知推荐系统的主要概念、技术、挑战和未来趋势;其次,分类介绍了可用于基于上下文的推荐的一系列技术和主要框架。除了经典的基于内容、基于协同过滤和基于矩阵分解的技术之外,调研了最近的研究方向,即基于深度学习和基于模糊逻辑的方法。最后,描述了在推荐过程中利用上下文信息的潜在研究机会。     

微博用户推荐模型的研究

微博用户推荐对改善用户体验、促进社交网络长远发展具有重要意义。该文提取了能够充分反映微博用户之间相关性的多个特征,并通过逻辑回归模型对潜在的用户进行评分排序,为目标用户推荐前N个潜在用户。基于新浪微博数据集的实验结果表明,基于逻辑回归方法的用户推荐模型是切实有效的,可以为微博用户提供高性能的个性化用户推荐。     

景区智能空间下的实时景点推荐技术

针对景区景点推荐不能满足游客个性化及实时性的要求,在景区智能空间条件下提出一种实时景点推荐技术,该技术通过上下文感知来获取动态信息,结合景点实时个性化推荐算法为游客提供景点推荐服务.通过实验说明所提出的实时景点推荐技术的可行性.     

电子商务网站考察期用户推荐系统的实证分析

通过对电子商务购物模式下考察期用户的满意度进行调查和实证研究,分析出推荐系统影响考察期用户满意度的主要因素是感知信息质量和信任。针对电子商务网站考察期用户,推荐系统应当提高推荐信息的准确性、相关性和可靠性以提高感知信息质量,为企业利用推荐系统实施有针对性的营销活动提供了依据。     

一种基于上下文信息的个性化推荐模型

个性化推荐为解决互联网信息过载问题提供了新的思路。为有效地构建用户模型和改进个性化推荐的效果,提出了一种挖掘非结构化文本中上下文信息的新模型,将得到的上下文信息嵌入用户模型信息中,丰富了用户模型。实验结果表明,该模型应用于客户对旅馆评论的上下文数据中,能够大大改善推荐的性能。     

基于多场景融合的分布式推荐模型

个性化推荐系统中普遍存在着信息共享程度低、资源复用不足等问题.针对这些问题,提出基于多场景融合的分布式推荐模型,给出了该模型的组成单元和运行流程,以及对应的场景数据结构.该模型采用分布式的双向刻画的方法,通过多场景融合算法,进行客户特征(需求)与服务场景的互生成,并最终生成推荐列表.仿真实验证明,该模型较之独立节点的推荐模型,在消费娱乐领域,具有较高的客户覆盖度、推荐精度,且占用系统资源较少,具有较高的性价比.     

基于用户特征的酒店推荐模型研究

针对现有酒店推荐精度不高的问题,提出了一种基于用户特征的酒店推荐模型.首先,构建酒店和用户的特征矩阵,从而获得候选集;然后,利用基于用户的协同过滤预测用户评分,进而产生酒店推荐的top-N列表;最后,以酒店管理营运博弈沙盘实验平台爬取的数据为基础对用户进行推荐.结果表明,该推荐模型的召回率、F1值均高于传统的基于特征参...     

模糊信息表决策规则获取与属性约简方法

将粗糙集方法用于模糊信息表上的规则获取和属性约简, 在包含度概念的基础上, 定义了齐次包含度.对两类模糊信息值的信息表, 条件属性是离散值，而决策属性是模糊的模糊决策信息表和条件属性与决策属性均为模糊的模糊信息表, 采用齐次包含度研究了条件属性在决策属性中的包含关系, 得到了包含度意义下模糊决策信息表的属性约简判定定理和决策规则获取方法. 给出了模糊条件属性的所有可能组合, 研究了模糊组合属性在模糊决策属性中的包含关系, 提出了最大属性协调集的概念，建立了在最大协调属性集下的模糊信息表属性约简和决策规则获取的算法步骤, 并通过算例演示了模糊决策规则获取和属性约简的过程, 从而为模糊信息表决策规则获取与属性约简提供了一类算法.     

建设项目施工招标中资格预审的模糊决策方法

本文应用文献［１］中提出的模糊决策分析理论，给出一种建设项目施工招标中资格预审的模糊决策方法，并建立了一套资格预审的评价指标体系。最后通过简单算例对所给方法做了说明