一种基于用户信任机制的个性化协同过滤推荐算法研究

传统的协同过滤推荐算法产生的数据稀疏性和冷启动问题存在潜在安全危机,不利于个性化推荐质量的提高。文章引入基于用户兴趣度和满意度的信任机制,改进传统用户信任度,通过信任度权重因子ωi,j,优化用户综合信任度,以提升预测评分质量。仿真实验分别从算法的推荐准确率和推荐覆盖率展开分析,实验结果表明,当ωi,j取值在0.5时,推荐准确率和覆盖率较RTCR算法、Trust Impact MF算法、A&I-Based算法明显占优。     

基于Hadoop和Python的高校图书馆个性化服务的研究与应用

大数据背景下,如何利用信息化技术,掌握在校学生的阅读习惯,在海量的图书资源中,快速有效地找到需要的书籍,为学生提供个性化服务推荐,是文章研究的主要目的。主要研究方法是通过Sqoop工具将北京中医药大学数据中心8 304名学生的图书借阅信息同步到Hadoop平台并进行整理,以Python作为数据处理语言,通过K-means聚类算法获取有相似阅读习惯的书籍。处理结果可以将有相似阅读习惯的学生挖掘出来,将他们所阅读的书籍作为互相推荐的依据,实现了个性化的图书服务。但当前的研究也存在局限性,即不包括半结构化的电子阅读信息的采集和分析。文章通过对研究进行结果分析,提供了一种个性化图书服务的框架和处理方法,并实现了个性化图书推荐,为提供个性化服务的研究提供了一种思路和方法。     

电子文献资源的推荐方法研究

本文介绍了目前对于电子文献资源、图书资源的推荐算法研究,阐述了基于Word2Vec的推荐算法和基于TF-IDF的推荐算法原理。根据推荐系统最新的研究进展,结合目前最新的多源异构数据嵌入框架异质图神经网络(HeterogeneousGraphNeural Network),提出了对多种数据类型电子文献资源进行推荐的方法,该方法在多源异构数据上进行推荐优于目前的其他方法。     

基于合作与竞争关系的标签推荐算法

针对高阶奇异值分解(HOSVD)模型进行标签推荐时产生矛盾标签且没有充分利用标签之间关联的问题,提出了1种基于合作与竞争关系的标签推荐改进算法,利用标签之间的相关关系来改进原有的HOSVD模型,并应用到标签推荐系统中。通过实验将其与未改进的推荐算法对比,实验数据表明,在同等条件下,改进后的算法推荐的标签更加准确。     

信息茧房与准确率：基于复合型算法的个性化模拟推荐系统

本文在分析算法型信息分发的主要推荐机制基础上,指出了在实际的研究中,算法推荐的准确率如何衡量的一种方法,并结合了协同过滤和文本分析两种主流推荐机制设计了基于复合型推荐算法的模拟个性化信息推荐系统。     

基于教育大数据的个性化自适应学习服务研究——以安徽广播电视大学为例

以安徽广播电视大学为例,基于教育大数据对终身学习者的个性化服务模式进行了系统研究,通过追踪学习过程、分析学习结果、建模终身学习者用户模型、设计个性化推荐算法,设计并提出了一个基于数据挖掘的个性化自适应学习推荐系统,利用聚类分组算法为学习者设计个性化学习服务,为实现自适应的学习方式提供了现实可能。     

基于感知价值和隐私关注的用户移动个性化推荐采纳

移动商务的发展带来了移动网络信息量的激增,为解决信息超载问题,提升用户体验,帮助消费者更加快捷高效地找到合意的商品或服务信息,许多电商网站开发了移动个性化推荐系统。所谓移动个性化推荐,就是以移动终端为载体,根据用户自身或相似用户过去的偏好和行为向其推荐可能感兴趣的商品或服务信息,是购物消费模式向服务消费模式转变的重要手段。鉴于移动个性化推荐主要依赖于用户信息挖掘,会引起用户对个人隐私信息泄露的关注,因此在推荐模型算法改进和移动营销实践中一定要考虑用户对移动个性化推荐的感知和行为意向。基于探索性因子分析、验证性因子分析、结构方程模型及回归分析,实证分析感知价值和隐私关注对用户移动个性化推荐采纳意愿的影响和作用机制发现,用户感知功能价值和体验价值对其移动个性化推荐采纳意愿的影响最为显著,其次是隐私关注,最后是安全价值,感知社会价值的影响不显著;隐私关注对用户感知功能价值和安全价值与移动个性化推荐采纳意愿之间的关系存在负向调节作用。因此,为更好地提高用户移动个性化推荐采纳意愿,唤起用户消费心理并转化成消费行为,一定要在进一步完善移动个性化推荐功能属性,通过加强基于情境的个性化推荐提升用户体验,提高推荐精准性和新颖性的同时,加强用户隐私保护,营造安全的移动营销环境。     

新闻算法推荐对社会价值观的影响——基于人文主义视角

越来越多的网络平台利用算法推送新闻资讯,智能算法接管人类的信息分发权利,成为新的"把关人"。个性化算法推送成为资讯分发的常态化模式,它所暴露的问题也日渐明显。本文从目前算法推荐现状、所产生的问题入手,基于人文主义视角,提出算法推荐虽然是技术,但也必须赋予人本观,即算法的运作过程中必须"加入"人文主义情怀和价值观,警惕算法带来的"以人为本"的梦幻,这在新闻和资讯边界日益模糊的"泛媒体化"的今天,对于新闻行业的发展具有重要意义。     

基于社交网络数据的个性化推荐研究

随着移动技术的发展,社交网络已经成为互联网产品中的主体,而社交网络产生的大量关系数据可以被用来进行个性化推荐的研究。本文在社交网络数据和用户行为数据的基础之上,研究了基于社交网络的个性化推荐,提出了一种概念算法,该算法很好的模拟的现实社会中的好友推荐关系。     

基于海量数据和Web挖掘的个性化推荐系统研究

推荐系统是学术界和工业界研究热门的课题,能有效解决互联网海量数据中"信息过载".首先介绍个性化推荐技术的发展、应用和相关问题,重点分析多种经典的推荐算法及其特点,并给出推荐系统的性能评价方法与指标,最后对个性化推荐的未来发展做出展望。