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。     

基于学习者画像的网络学习资源个性化推荐技术研究

利用个性化推荐技术解决学习者在海量学习资源中的"信息迷航"问题,是教育信息化领域的一项重要课题。本文对学习者画像的特点及构建方式进行了分析,并基于学习者画像库研究了网络学习资源的个性化推荐技术。     

基于用户学习路径分析的教育资源个性化推荐研究

针对学习者用户差异性需求推荐个性化教育资源是智能学习领域研究的难点,也是构建E-learning个性化学习支持服务的关键。学习者在网络学习过程中,其时序化的学习行为日志蕴含了各种学习路径信息。通过对目标用户学习路径分析可挖掘其所潜在的认知风格、学习偏好、认知水平等各种隐性特征信息,为E-learning教育资源个性化推荐提供重要依据。基于关联规则挖掘对用户行为日志分析,从系统架构、模型构建、路径匹配以及推荐算法四个维度切入,提出了E-learning环境下基于用户学习路径分析的教育资源个性化推荐解决方案。     

我国学习资源个性化推荐研究进展

网络学习资源数量激增导致的信息过载,是当今互联网学习者面临的一个问题。而个性化的学习资源推荐技术通过自主过滤海量资源,筛选出学习者需要的学习资源,减少学习者寻找资源的代价,是解决该问题的一个有效方法。文章通过用户、对象和推荐策略三个方面,对国内教育资源推荐技术的研究现状进行综述,并重点分析各推荐技术的特点、优势及不足,同时指出现今学习资源推荐技术研究的热点及可能的发展方向。     

当代图书馆的个性化信息推荐

本文首先简要介绍从广泛使用数字和网络技术、智慧化管理和智慧化服务、服务的网络形式或移动形式等不同角度对当代图书馆的特征及发展前景的研究,然后着重介绍近年来理工科研究人员热烈进行的个性化推荐系统研究,最后介绍一些密切结合普遍的个性化推荐系统,又考虑个性化图书推荐特点的文献,并指出这样的研究在国内外都还太少,当代图书馆研究者急须了解理工科的推荐系统研究。     

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。     

个性化推荐引擎技术及在电子商务中的应用

本文介绍了个性化推荐引擎的定义,对个性化推荐引擎所依据的算法原理进行了详细的阐述,个性化推荐引擎技术实现了用户个性化的需求,提高了用户浏览搜索网页的效率。     

基于深度学习的个性化推荐模型应用

随着信息技术的进步,推荐系统被广泛应用于购物以及新闻等网站门户中,通过分析用户的行为,得出用户兴趣偏向,进而对用户推荐相关信息,以吸引用户的注意。同时深度学习理论与技术的完善,更多复杂的模型被提出,在计算机视觉、语言理解等方面有着广泛的应用。将深度学习技术应用于推荐系统,能够更加充分的融合用户社会属性等方面信息,生成个性化的推荐,使得推荐质量得到较大提升。     

大数据技术下个性化在线教育互动式教学探索

随着在线教育在教育领域中的异军突起,提出了在线教育互动式教学个性化推荐系统构建模式,拟采用大数据的分析技术,通过对学生学习行为数据的收集和分析,综合分析学习者的学习情况,并进行智能推荐。     

邮政企业培训学习资源个性化推荐模式研究

为了解决培训资源在数量和规模上的爆炸式增长,学员个性化需求与推送方式单一之间的矛盾问题。在邮政企业远程培训中引入个性化推荐技术,通过对学员和资源进行大数据分析,根据学员的兴趣需要和课程资源的特点,利用推荐算法为学员推荐最适合的学习资源,构建"三位一体"的个性化推荐应用新模式。将学员对资源的被动学习转变为系统对学员的主动推送,充分利用课程资源的同时,极大的调动学员的主动学习积极性,不断提升学习的培训效能。