基于多元混合准则模糊算法的高校教育信息推荐系统设计

伴随教育信息化工作逐渐深入,网络教学信息出现爆炸性增长,如何在大量教育资源中准确提取用户所需教育信息是教与学过程中亟待解决的问题。文中设计基于多元混合准则模糊算法的高校教育信息推荐系统,系统核心功能模块分为检索模块、数据库模块以及推荐显示模块。用户在检索模块输入检索信息后,检索模块将用户检索指令传输至数据库模块,数据库模块通过多元混合准则模糊决策模型按照用户偏好提取推荐度最高的教育信息传输至推荐显示模块,推荐显示模块在推荐资源列表将推荐信息反馈至用户。应用结果显示,该系统可根据用户偏好向用户推荐教育信息,且用户发现准确度和推荐召回率都较高。     

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。     

基于上下文的智能应用推荐系统架构设计

普适计算环境需要根据用户和环境的上下文信息为用户提供丰富及合适的应用资源.为了适应这种需求,设计了一种基于上下文的智能应用推荐系统架构.该架构主要是利用贝叶斯网络根据上下文进行推理以实现应用推荐,同时使用EM(η)算法对推荐模型进行更新.实验证明该架构能为用户推荐合适的应用资源并可以随用户偏好的改变进行推荐模型更新.     

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。     

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。     

个性化推荐系统研究

信息技术和互联网的迅猛发展把我们带进了信息过载的时代。海量信息的同时呈现,一方面增大了用户发现自己感兴趣信息的难度,另一方面也使得大量信息无法被一般用户获取。个性化推荐系统是目前解决信息过载问题最有效的工具。本文简单介绍了推荐系统的概念和组成要素,重点介绍了几种重要的推荐技术和个性化推荐系统的应用领域。     

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.     

基于即时电视规范的PDR自适应代理系统研究

对个人数字录像机(Personal Digital Recoder,PDR)个性化服务进行了研究，提出了一个基于即时电视规范(TV-Anytime)的客户化节目推荐自适应代理原型系统。该系统根据用户的喜好档案，从大量的节目信息中筛选出用户感兴趣的内容推荐给用户，化解了节目播放时间的冲突。该系统主要包括以下关键技术：基于KQML的代理间通信，元数据的xML表示，节目观赏历史数据的修正，节目的用户喜好评估和用户喜好信息修正方法等。最后给出了本系统的实际应用例，验证了该系统的可行性。     

基于知识图谱的商品推荐系统

信息时代下,电子商务和移动互联网飞快发展,淘宝、天猫、京东、唯品会等网络购物平台纷纷崛起,满足了人们线上购物的需要。现如今,网络购物已经成为人们日常生活中不可或缺的部分,在为人们提供便捷服务的同时,也极大的促进了经济增长。商品推荐系统是立足于大数据分析基础上实现的,根据用户的喜好倾向进行智能推荐,在提升产品销售量同时,促使用户体验大幅度提升。基于知识图谱的商品推荐系统,可以发挥知识图谱辅助信息优势,收集相关信息数据,提供辅助信息来源,促使商品推荐系统更加精准、可靠。文章就此展开分析,在了解知识图谱基础上,进一步优化商品推荐系统。     

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...     

基于本体的个性化信息推荐系统研究

本文从本体的概念出发,在分析传统信息推荐系统弊端的基础上,将本体与信息推荐系统融合,克服了传统信息推荐技术的不足之处,构建了基于本体的个性化信息推荐系统模型,使文档信息和用户模型的匹配成为了语义层次的匹配,以期能为提高信息推荐系统的精准度提供帮助。     

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。     

基于个性化推荐的移动新媒体资讯云平台方案探讨

个性化推荐决定着移动媒体资讯信息的过滤和分发.从个性化推荐入手,剖析推荐系统的运作过程,指出个性化新闻推荐是人机交互的结果.提供一种通过订阅关键词实现针对移动互联网用户的个性化搜索结果推荐系统和方法.用户可在输入框中输入任意关键词或选择系统计算出的关键词,使用搜索引擎去源信息索引库中进行搜索,结合用户所关注的语义标签特征或领域,按照时间顺序进行倒序排列展示,并将结果以多种方式下发给用户,实现个性化搜索结果精准推荐.     

推荐系统中基于无监督策略托攻击检测﹡

协同过滤推荐系统中,推荐结果对用户偏好信息的敏感性使得推荐系统易受到人为攻击,即托攻击.恶意用户可以任意使用多重身份,或者是多个人来参与,都能注入恶意信息到推荐系统中.这类攻击严重影响了推荐系统的鲁棒性和准确性.这里深入分析了托攻击,结合主成分分析和变量选择方法,提出一个高精确度鲁棒的协同过滤系统架构,以保护推荐系统抵御用户概貌注入攻击.最后,通过实验验证表明该新型的高精确度的协同过滤系统可以取得更好的检测精度.     

节目推荐系统的特性与应用

随着电视节目日益丰富，电视用户正面临与互联网用户类似的“信息过载”问题，如何帮助用户及时收看到所需的节目？节目推荐系统就可很好地解决这一问题。     

基于Baseline SVD主动学习算法的推荐系统

推荐系统是一种解决信息过载的新型技术,为了解决推荐系统中新用户带来的冷启动问题,提出一种基于主动学习的推荐系统。主动学习方法能有效减少需要标记的样本数量,快速建立模型,在此选择将主动学习方法和Baseline SVD推荐算法结合起来,通过记录模型训练得到的预估评价的改变程度,认为改变最大的样例即是最具有信息量的样例,供新用户标记,并重新训练模型。通过与其他选择策略进行实验比较,证实了该方法确实有效解决了新用户带来的冷启动问题。     

移动社会网络中基于位置的个性化餐馆推荐建模研究

移动网络中基于位置的服务(Location-Based Service,LBS)是用于移动设备的典型服务。文章总结了LBS推荐系统的主要特点及其应用,融合情景信息提出分阶段的LBS推荐系统模型。在冷启动阶段,根据用户历史数据基于规则推荐,预测新用户兴趣。当获得大量的历史用户反馈和交互数据,采用基于用户和情景的协同过滤推荐算法来提高推荐系统的精度,并修改规则库。实验表明该推荐模型能提高推荐精度并实时推荐。     

动态采集与关联规则在个性化推荐中的应用

一个网站有多个网页组成,网站上的信息分布在这些网页上,不同的用户对不同的网页上的信息感兴趣,如何满足用户对敏感网页的高效访问,我们提出一个基于使用挖掘的Web站点个性化信息服务系统来解决问题.利用Web使用挖掘技术来分析用户的浏览模式,根据用户的当前访问需要,自动实时地为用户提供推荐页面,实现个性化服务.     

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。     

医疗信息服务应用中情境感知推荐的研究与实现

随着智能手机用户量的不断上升,医疗信息服务逐渐应用于客户端上,同时伴随着医疗服务信息量的日益增长,移动医疗信息服务应用中出现了信息过载和用户访问效率偏低的现象。针对这种情况,对现有医疗信息服务平台在智能手机上的应用进行研究,并根据移动应用中基于地理位置服务的特殊性和LBS推荐系统的特殊要求,提出基于情境信息的医疗信息服务推荐系统框架。通过对获取到的用户位置及当前时间、天气、环境、交通等丰富的情境信息进行分析,使用基于规则的推荐方法以降低计算量,实现在线个性化智能推荐服务。结果表明,融合了丰富情境信息的移动医疗信息服务平台中的推荐,使得推荐更加个性化,更加符合用户需求。