基于兴趣度的协作过滤技术研究

随着互联网上的信息的迅速增长,协作过滤技术得到越来越广泛的应用。结合了显式和隐式计算兴趣度的方法,提出了一种新的计算用户兴趣度的方法。并在此基础上论述了基于兴趣度的协作过滤技术。该方法通过寻找相似用户群体,由相似用户群体来预测用户对某一WEB事务的喜好,并给出了相应的实现算法。实验结果表明,该方法能提供较好的协作推荐服务。     

基于协作过滤的个性化服务技术研究

随着网络的普及和发展以及网络信息量的日益增加,为广大用户提供个性化服务显得尤为必要.在对个性化服务技术相关知识进行概述的基础上介绍了协作过滤信息推荐技术的基本原理、分类、所面临的困难等,并对国内外研究现状等进行了综述.最后时基于协作过滤的个性化服务技术进一步的研究工作进行了展望.     

基于WEB挖掘的个性化服务研究

针对用户特性向用户提供个性化服务将是web服务的发展趋势，本文从Web个性化服务的本质出发，详细地研究了实现Web个性化服务的关键技术：Web挖掘技术和信息推荐技术，并在此基础上设计了一个基于Web挖掘的个性化服务系统原型。     

基于Web用户访问信息挖掘技术的个性化定制服务

本文论述了Web用户信息挖掘的内容和用户访问模式挖掘的实现方法,从几个方面分析了Web用户访问模式的发现技术在个性化定制服务中的应用。展望了Web访问信息挖掘技术的成熟对提高个性化定制服务水平的前景。     

基于协作过滤算法的电子商务个性化推荐系统的研究

针对目前电子商务个性化推荐研究的不足,提出准确全面地获取用户独特兴趣爱好、满足用户差异化需求的推荐服务,同时构建了具体的个性化推荐系统模型,给出了基于协作过滤算法的电子商务个性化推荐的流程、系统设计和系统实现,从而有利于推动电子商务的发展。     

个性化服务中隐私保护技术综述*

介绍了个性化服务中隐私保护的特点,总结了当前个性化服务中隐私保护技术的相关标准和发展现状,并分析了个性化服务中进行隐私保护所面临的主要问题和挑战,最后对个性化服务中隐私保护技术的发展方向进行了展望。     

基于兴趣度的协作过滤技术研究

随着互联网上的信息的迅速增长,协作过滤技术得到越来越广泛的应用.结合了显式和隐式计算兴趣度的方法,提出了一种新的计算用户兴趣度的方法.并在此基础上论述了基于兴趣度的协作过滤技术.该方法通过寻找相似用户群体,由相似用户群体来预测用户对某一WEB事务的喜好,并给出了相应的实现算法.实验结果表明,该方法能提供较好的协作推荐服务.     

协作过滤和聚类分析

本文论述了基于兴趣度的协作过滤技术来实现个性化服务,并针对协作过滤中的不足,提出基于兴趣度的聚类方法。通过分析可以知道该方法在解决协作过滤的不足和个性化服务方面有较好的效果。     

信息过滤技术和个性化信息服务

信息过滤技术是指根据用户兴趣帮助用户过滤掉那些他不感兴趣的信息。目前出现许多这方面的应用系统,通过对信息过滤概念的研究和与信息检索概念的比较,抽象出这类系统的一般模型,对其进行多角度的分类并在此基础上研究了信息过滤在个性化信息提供的关键技术。     

个性化服务技术研究

对个性化服务技术中的用户识别、用户描述文件、个性化推荐技术、个性化服务系统的体系结构及目前的研究方向进行了概述。从实现角度详细讨论了3种个性化推荐技术。个性化服务具有针对性,它的目的就是为了使用户更好地找到需要的信息,通过从用户访问网站的历史记录中得到用户的个人信息,利用个性化推荐的方法将信息推荐给用户。个性化推荐避免用户陷入信息的海洋,提高用户查询效率,使得用户可以得到他们真正想得到的信息,避免繁多的人工搜索。     

个性化服务技术研究

对个性化服务技术中的用户识别、用户描述文件、个性化推荐技术、个性化服务系统的体系结构及目前的研究方向进行了概述。从实现角度详细讨论了3种个性化推荐技术。个性化服务具有针对性，它的目的就是为了使用户更好地找到需要的信息，通过从用户访问网站的历史记录中得到用户的个人信息，利用个性化推荐的方法将信息推荐给用户。个性化推荐避免用户陷入信息的海洋，提高用户查询效率，使得用户可以得到他们真正想得到的信息，避免繁多的人工搜索。     

电子商务的Web个性化服务和Web挖掘研究

介绍了电子商务个性化服务,阐述了Web挖掘定义与特点及其过程模型,说明了Web个性化服务的实质,分析了电子商务网站在引入Web挖掘后的基本结构,总结了Web使用记录挖掘的步骤与方法,分析了Web挖掘遇到的问题。     

基于Web挖掘的个性化服务技术研究

Internet的飞速发展导致了现代社会个性化服务需求急剧增加,Web挖掘已成为实现个性化系统功能的思想和方法的有价值的源泉。主要讨论了基于Web挖掘的Web个性化技术,介绍了相关数据采集和预处理技术及其在个性化系统中的应用。     

自适应过滤算法在社区E-learning的个性化服务系统中的研究

针对学习型社区中的教育需求,在传统算法上加以改进,提出了一种基于向量空间模型的教育资源自适应过滤算法.通过训练算法,提取特征向量和伪反馈建立初始模板,设置初始阈值.然后通过过滤算法根据用户的反馈信息自适应地调整模板和阈值.该算法在执行过程中,不需要大量的初始文本,同时在过滤的过程中可不断地进行自主学习来提高过滤精度.该算法已在个性化知识服务系统中进行验证,结果表明是有效的.     

WEB挖掘优化个性化网络教学

本文提出高校应该实现个性化网络教学，并通过论证Web挖掘实现对高校个性化网络教学的优化，从而建立了优化的个性化网络教学系统模型，并且给出了从静态到动态个性化网络教学的实现方案。说明了个性化网络教学在高校中将成为一种新的教学模式。     

面向电子商务个性化服务的Web挖掘应用

文章介绍了Web挖掘在电子商务个性化服务中的作用,指出了Web挖掘的基本过程和关键技术,针对电子商务的个性化服务提出了Web挖掘的体系结构。     

个性化Web推荐服务研究

本文主要论述了个性化Web推荐构成,提出了基于Web挖掘的个性化推荐服务研究中的用户聚类、Web页面聚类、n元预测模型及页面加权算法。利用这些算法得到的个性化信息可以准确把握用户兴趣模式并为用户提供“一对一”的具备自适应性的智能个性化服务。     

WEB挖掘优化个性化网络教学

本文提出高校应该实现个性化网络教学,并通过论证web挖掘实现对高校个性化网络教学的优化,从而建立了优化的个性化网络教学系统模型,并且给出了从静态到动态个性化网络教学的实现方案。说明了个性化网络教学在高校中将成为一种新的教学模式。     

旅游电子商务系统中个性化信息服务功能的设计研究

随着个性化信息服务时代的到来,旅游电子商务环境提供的个性化服务对于提高游客的满意度以及商家的竞争力具有非常重要的意义和实用价值。Web数据挖掘是实现Web个性化服务的关键技术之一,通过对游客行为(兴趣)的分析建立相应的模式,根据模式为用户提供个性化服务。     

序列模式挖掘在电子商务个性化服务中的应用

分析了电子商务发展面临的问题和个性化服务的特点，提出了Web使用挖掘技术在电子商务个性化服务中的应用方法，论述了基于Web挖掘的个性化服务研究．详细阐述了其挖掘过程，最后讨论了使用序列模式和分类相结合的技术得以实现个性化服务的方法。利用这些算法得到的个性化信息可以准确把握用户兴趣模式并对Web信息资源的组织方式进行有效更新，从而提高网络信息服务效率，为用户提供“一对一”的具备自适应性的智能个性化服务。