共查询到19条相似文献,搜索用时 156 毫秒
1.
2.
电视节目个性化技术的研究 总被引:3,自引:0,他引:3
对电视节目个性化技术的多个方面进行了研究,包括电视节目个性化的体系结构,实现电视节目个性化的关键技术:特征表示、用户兴趣学习和节目推荐,以及电视节目个性化系统的性能评价机制,并展望进一步的研究工作. 相似文献
3.
为了促进智慧旅游建设,保证旅游系统能够为用户提供个性化服务,以秦岭北麓西安段古村镇旅游为例,基于数据挖掘技术设计一种旅游智能推荐系统。从规模、优越度与聚集度三方面挖掘该地旅游资源空间分布特征;将用户对视频、图片、文本三种类型旅游信息浏览时间的加权平均值作为兴趣度函数,确定每个古村镇的用户兴趣度;将感兴趣的景点保存到相同集合中,通过规则匹配,实现智能推荐;分别设计图形用户界面、智能分析与智能推荐服务模块,完成系统整体设计。仿真实验表明,该系统可实现旅游个性化智能推荐,提高用户满意度。 相似文献
4.
5.
6.
基于Web使用挖掘的个性化学习推荐系统 总被引:1,自引:0,他引:1
针对当前E learning推荐系统存在的问题,引入多Agent(MAS)系统,提出一种基于Web使用挖掘的集成MAS与Web services的分布式智能推荐系统模型。该模型能动态生成基于用户使用信息的个性化链接页面,有效地帮助学员找到所需的资源信息。提出了一种基于最近最少使用策略的系统推荐算法,包括系统整体实现算法、系统聚类算法及推荐算法。实时性能分析显示该系统运行性能良好。 相似文献
7.
8.
孙多 《数字社区&智能家居》2007,(11):631-632
用户兴趣模型用于描述用户的个人信息、专业背景、偏好倾向和历史行为等,通过这些信息,系统可以发现和预测用户的信息需求,从而对用户进行个性化的信息推荐服务。用户兴趣模型是影响推荐系统服务效率的重要因素,因此针对用户兴趣进行建模是个性化推荐系统实现中要重点考虑的问题之一。本文从教育网站用户对象特点出发,提出了将用户兴趣分为固定兴趣与临时兴趣相结合的动态模型: 相似文献
9.
刘勇 《自动化与仪器仪表》2022,(8):159-164
为实现越野爱好者的数据智能分析和定向推荐,设计一个基于DeepGNN深度图算法的定向越野数据智能分析系统。进行定向越野数据智能分析系统整体构建后,分别从活动管理模块、用户管理模块、会员推荐模块和数据库模块进行功能设计;会员活动推荐中,通过基于深度学习网络的显性特征和基于图卷积网络的隐性特征,将两个特征相结合提取高维融合特征,得到DeepGNN深度图算法推荐模型;并基于DeepGNN推荐算法对会员进行定向推荐。测试结果表明,相较于传统的Geniepath模型、Wide&Deep、DeepFM模型,本模型的AUC指标和F1值分别为0.913 5和0.868 4,均高于另外三种模型,分别高出了14%~15.6%左右;通过系统测试发现,本系统可实现定向推荐和智能数据分析,满足越野用户需求。 相似文献
10.
目前很多社交网络服务对用户的个性化需求考虑得不充分,并且社交网络服务由于需要处理海量数据而难以保障服务的实时性。为了实时响应用户在微博推荐中的个性化请求,提高推荐的效率和质量,提出了一种基于LDA主题模型和KL散度相结合的RPMPS微博推荐模型。RPMPS推荐模型不但通过文档-主题概率分布矩阵获得了用户信息与待推荐微博的主题相似性,而且还通过文档-词来对词频概率进行统计,从而获得用户信息与待推荐微博的内容相似性。最后,基于RPMPS推荐模型构建实时个性化微博推荐系统,并在数据处理过程中对微博进行过滤以缩短系统的响应时间。通过真实数据集验证了系统可较好地满足用户的实时个性化需求。 相似文献
11.
为了解决现有推荐算法仅考虑同类产品间单向推荐所缺乏的灵活性,提升产品的销量及用户的购物体验,提出一种基于客户喜好的双向个性化推荐算法,不仅可以为客户精准推荐产品,还可以为商家推荐潜在客户.首先,基于产品购买网络中客户及其邻居的购买信息,扩展客户购买信息;其次设计客户产品喜好权重计算办法,分析客户的购买喜好,并在客户喜好的指导下为客户提供个性化的产品推荐;最后,基于商家提供的样本客户,挖掘与样本客户相似的客户构成社区,为商家提供潜在客户推荐以及精准客户维护.在真实数据集上的实验验证了算法的有效性.该算法从客户和商家两个维度出发实现了产品与客户的双向推荐,为个性化推荐领域的研究提供有益的帮助. 相似文献
12.
13.
Exploiting long‐term and short‐term preferences and RFID trajectories in shop recommendation 下载免费PDF全文
Shop recommendation in large shopping malls is useful in the mobile internet era. With the maturity of indoor positioning technology, customers' indoor trajectories can be captured by radio frequency identification devices readers, which provides a new way to analyze customers' potential preferences. In this paper, we design three methods for the top‐N shop recommendation problem. The first method is an improved matrix factorization method fusing estimated prior customer preference matrix that is constructed by Session‐based Temporal Graph computing. The second method is a Bayesian personalized ranking method based on the first method. The third method is by tensor decomposition combined with Session‐based Temporal Graph. Besides, we exploit customer history radio frequency identification devices trajectory information to find customers' frequent paths and revise predicted rating values to improve recommendation accuracy. Our methods are effective in modeling customers' temporal dynamics. At the same time, our approach considers repeated recommendation of the same shop by designing rating update rules. The test dataset is formed by JoyCity customer behavior records. JoyCity is a large‐scale modern shopping center in downtown Shanghai, China. The results show that our approaches are effective and outperform previous state‐of‐the‐art approaches. Copyright © 2016 John Wiley & Sons, Ltd. 相似文献
14.
提出了一种多维关联规则推荐系统,为客户提供更加准确的个性化推荐。该系统利用了客户购物信息、注册信息数据和经过评估的客户消费能力信息,通过多维、多层次的关联规则挖掘生成推荐集。针对不同的客户提供不同的商品,从而改善了个性化推荐的效果。 相似文献
15.
16.
A good shopping recommender system can boost sales in a retailer store. To provide accurate recommendation, the recommender needs to accurately predict a customer's preference, an ability difficult to acquire. Conventional data mining techniques, such as association rule mining and collaborative filtering, can generally be applied to this problem, but rarely produce satisfying results due to the skewness and sparsity of transaction data. In this paper, we report the lessons that we learned in two real-world data mining applications for personalized shopping recommendation. We learned that extending a collaborative filtering method based on ratings (e.g., GroupLens) to perform personalized shopping recommendation is not trivial and that it is not appropriate to apply association-rule based methods (e.g., the IBM SmartPad system) for large scale prediction of customers' shopping preferences. Instead, a probabilistic graphical model can be more effective in handling skewed and sparse data. By casting collaborative filtering algorithms in a probabilistic framework, we derived HyPAM (Hybrid Poisson Aspect Modelling), a novel probabilistic graphical model for personalized shopping recommendation. Experimental results show that HyPAM outperforms GroupLens and the IBM method by generating much more accurate predictions of what items a customer will actually purchase in the unseen test data. The data sets and the results are made available for download at http://chunnan.iis.sinica.edu.tw/hypam/HyPAM.html. 相似文献
17.
新闻每时每刻都在发生,阅读新闻已经成为很多人的习惯。新闻媒体众多,网络媒体凭其迅捷性和便利性成为很多人的首选。网络新闻众多导致新闻过载,这就迫切需要个性化的新闻推荐系统,帮助用户快速地找到感兴趣的新闻。伴随着新闻大数据的产生和移动互联网的蓬勃发展,个性化新闻推荐迎来了新的机遇和挑战。首先介绍了个性化新闻推荐的挑战性;然后提出了个性化新闻推荐系统的基本框架,该框架包含新闻建模、用户建模、推荐引擎和用户接口四个模块,并以该框架为基础,分别综述了每个模块的研究进展,列举了现有的个性化新闻推荐系统中四个模块所采用的技术;最后总结了常用数据集、实验方法、评测指标和未来的研究方向。 相似文献
18.
基于信息流的实时电子商务推荐策略 总被引:2,自引:0,他引:2
沈爱国 《计算机工程与应用》2008,44(28):91-94
针对企业对实时个性化推荐的需求,基于信息流的表达、生成和分析对顾客访问记录进行了深层次挖掘,研究了电子商务系统实时个性化推荐策略。提出了包含信息流定义、信息流评价、知识匹配、网站动态组织等算法在内的个性化推荐算法。基于J2EE技术完成了包含客户端、服务器端和存储系统在内的实时动态个性化推荐系统的结构设计。实例表明,随着训练次数的增加推荐准确度呈升高的趋势,并优于关联规则法。 相似文献
19.
本文提出一种基于Wi-Fi无线定位网络能够满足相关应用精度需求的室内导览方法,该方法使用智能手机自身处理能力实时进行信号强度概率分布以及位置指纹匹配计算,使用基于动态权值的方法来对室内环境进行建模,引入加权线性公式组合推荐算法实现基于优化A星算法的路线规划。本文同时给出了该方法应用于构建博物馆个性化导览系统的应用示例,实验结果表明该方法具有较高的定位精度和推荐准确率。本文所提室内导览方法具有通用性好和组网成本低的特点,能够较好满足博物馆等室内导览系统应用需求,具备进一步进行商业化应用的潜力。 相似文献