用户聚类的电子商务推荐系统研究

随着电子商务规模越采越大,协同过滤推荐算法的可扩展性差的问题也越来越受到人们的重视,提出了一种基于用户项目类偏好值矩．阵聚类的合作推荐方法,解决了“冷开始”问题,并且由于只在目标用户所属类别中搜索其最近邻居,减少了搜索空间,有效地提高了推荐系统的实时响应速度．     

电子商务下的柔性推荐系统

提出了一个电子商务柔性推荐系统（FRS）框架，它主要由推荐系统数据库（RSDW）、推荐系统模型库（RSMW）、推荐策略（Rs）、推荐模型控制引擎（RMCE）、推荐管理（RM）以及电子商务网站系统（Ec-website）组成。它独立于具体的推荐应用和推荐算法，能根据不同的商务推荐策略产生相应的推荐功能。最后给出了基于FRS推荐的实现步骤。     

基于用户兴趣的电子商务推荐方法

针对数据稀疏性与推荐实时性的技术难题,在结合传统用户合作过滤推荐的基础上,提出了基于兴趣度向量模型的用户合作推荐机制.该方法合理利用了用户的人口统计信息,即用户提交给网站的注册信息,来辅助基于兴趣度向量模型的推荐方法,在提高预测精度的同时还可以解决推荐系统的新用户问题.采用MovieLens网站上提供的研究数据进行模拟推荐实验,通过对平均绝对偏差对比分析可得,兴趣向量模型的推荐方法在一定程度上比传统合作过滤算法有更高的推荐精度.     

电子商务环境中个性化信息推荐服务的发展

基于因特网的电子商务蓬勃发展,信息强度和密度前所未有,用户数与项目数呈级数增长,个性化信息推荐服务显得越来越重要．电子商务下的个性化信息推荐系统在理论和实践上都得到了很大发展,协同过强推荐技术是最成功的个性化推荐系统．     

基于云计算的电子商务推荐系统研究

通过对云计算系统架构、平台开发、用户行为分析、电子商务应用等方面的研究,提出了一种新型的分布式存储系统,并在此基础上构建了一种新的智能化电子商务个性化推荐系统。该推荐系统有效解决了大型日志数据存储、无法实时推荐、算法伸缩性低等问题,为用户提供动态、实时的个性化服务,实现了商务推荐引擎的个性化和智能化。     

基于跨视图对比学习的知识感知推荐系统

知识感知推荐(KGR)领域普遍存在监督信号稀疏问题,为了解决这个问题,对比学习方法被越来越广泛地应用于KGR。但是,过去基于对比学习的KGR模型仍存在一些问题:(1)使用图卷积对所有邻居节点直接聚合,无法排除知识图谱中不必要邻居节点信息的干扰；(2)只关注全局视图的信息,忽略了局部特征,这会导致过平滑问题。为了解决以上问题,提出一种基于跨视图对比学习的知识感知推荐系统(KRSCCL)。KRSCCL使用关系图注意力网络构建包含用户、物品和实体节点的全局视图；使用轻量级图卷积网络构建包含用户和物品节点的局部视图,强调局部特征,有效地缓解过平滑问题。最后,在构建的两个视图的图内和图间节点对之间进行对比学习,以充分提取KG信号,优化用户和物品表示。论文方法在三个不同领域的公开数据集上进行了大量实验,实验结果表明:关系图注意力网络可以有效排除复杂网络聚合时的噪声问题；引入局部视图可以优化节点表示生成,缓解过平滑问题；KRSCCL模型在这三个数据集上都表现良好,在电影领域数据集Movielens-1M上,其推荐的F1分数较最强基线提升2.0%；在音乐领域数据集Last.FM上,其推荐的F1分数较最强基线提升0.3%；在书籍领域数据集Book-crossing上,其推荐的F1分数较最强基线提升5.1%。证明了论文方法的有效性。     

软件体系结构在电子商务推荐系统中的实现

以某网上商城作为研究对象,运用软件体系结构中Web表现模式中的MVC模式实现一款智能电子商务推荐系统.顾客在购买商品时,系统可以主动推荐其可能感兴趣的商品信息.     

基于Web挖掘的电子商务推荐系统研究

Web挖掘作为数据挖掘在Web上的一种应用形式,是电子商务推荐系统的核心。根据Web挖掘理论,文章构建了包含离线部分和在线部分的电子商务推荐系统的体系结构模型。重点分析了基于关联无规则的推荐算法和基于协同过滤的推荐算法。     

服装智能推荐系统在电子商务平台中的应用

近十年来,中国逐渐进入全民网购的电子商务时代,越来越多的电商平台和产品领域引用推荐系统提高交易效率。服装作为电商品类的一大分支,其推荐系统也展现出巨大的商业潜力和应用前景。为进一步探索电子商务中服装类商品的个性化推荐机制,本文结合产品属性对服装推荐算法及其应用进行研究,着重阐释三种推荐技术的运算步骤及特征,并总结各个算法的优缺点以及目前服装推荐系统研究中存在的不足,为电商平台的服装类产品及品牌营销提供理论与智能算法依据。     

推荐系统评价指标综述

对现有的推荐系统评价指标进行了系统的回顾,总结了推荐系统评价指标的最新研究进展,从准确度、多样性、新颖性及覆盖率等方面进行多角度阐述,并对各自的优缺点以及适用环境进行了深入的分析。特别讨论了基于排序加权的指标,强调了推荐列表中商品排序对推荐评价的影响。最后对以用户体验为中心的推荐系统进行了详细的讨论,并指出了一些可能的发展方向。     

基于SEM的B2C电子商务消费者满意度实证研究

提出影响消费者B2C电子商务满意度的因素包括系统质量、信息质量、服务质量和感知价值,建立B2C电子商务消费者满意度实证模型。利用SPSS 18和AMOS 18对收集的443个样本数据进行结构化方程模型(SEM)分析。结果显示,系统的交互性、信息质量(功能性、流行性)、售后服务质量对消费者满意度有显著影响,而系统质量的易用性和物流服务质量对满意度并无直接显著影响。最后对实证分析结果进行了讨论和分析,对B2C电子商务模式下如何提升顾客满意度提出建议。     

基于主题效能的学术文献推荐算法

针对文献推荐问题,提出了一种基于主题效能的学术文献推荐算法,该算法使用潜在狄利克雷分布(latent Dirichlet allocation,LDA)对候选文献和用户发表的文献进行建模,挖掘出具有高效能的主题集合,并根据候选文献中高效能主题的分布情况来计算它与用户兴趣之间的相似度,最后向用户推荐有价值的文献.实验结果表明:提出的算法比基于频繁项挖掘的算法具有更高的推荐准确率和推荐召回率,可同时满足用户对个性化和文献质量两方面的需求.     

移动终端离线浏览系统的新闻推荐服务研究

对移动信息服务中面向用户的个性化问题进行了研究,提出了一种基于移动终端浏览系统,采用改进的K－近邻分类器的个性化推荐算法对每个移动用户的新闻访问行为序列进行跟踪、记录、建模和分析,将个性化特征归类存储,实现了实时的个性化新闻推荐。仿真实验结果验证了该个性化推荐模型的实用性和可行性,推荐正确率可以达到70%。     

深度学习在推荐系统中的应用研究

互联网的普及带来了信息爆炸,推荐系统是一种有效的信息过滤工具。现有的推荐系统已经应用于各大领域,但仍然面临着准确性和冷启动等方面的挑战。深度学习作为最先进的机器学习技术,逐步应用于各种复杂的推荐中,以提高推荐系统的质量。对现有推荐系统中几种主要的深度学习模型进行了分析,并对其发展前景进行了展望。     

利用项目属性和偏好改进协同过滤推荐

协同过滤(CF)推荐系统可以通过了解用户过去的行为向用户推荐项目. 针对现有的CF推荐系统没有利用潜在的项目偏好信息,提出了一种利用项目偏好改进CF的推荐方法. 该方法首先采用K-means算法对用户进行聚类,然后利用用户聚类和效用矩阵构建项目偏好矩阵,最后在基于项目的CF方法中,综合项目评分相似度、项目属性及其偏好特征相似度产生推荐. 实验结果表明,该方法获得了较好的推荐精度,在一定程度上缓解了稀疏问题.     

电力系统中地理信息系统与管理信息系统结合方式研究

研究了地理信息系统ＧＩＳ（ＧｅｏｇｒａｐｈｉｃＩｎｆｏｒｍａｔｉｏｎＳｙｓｔｅｍ）与管理信息系统ＭＩＳ（ＭａｎａｇｅｍｅｎｔＩｎｆｏｒｍａｔｉｏｎＳｙｓｔｅｍ）的结合方式,分析了各基本ＭＩＳ与ＧＩＳ中相关数据的结合使用,提出了建设ＧＩＳ所应注意的几条原则     

商业建筑初期灭火系统分析与决策

初期灭火是遏制商业建筑火灾的最佳时机,针对商业建筑火灾初期灭火过程中出现的问题,构建系统模型进行分析。数据来源于我国商业建筑特大火灾案例,采用贝叶斯统计分析方法进行分析,克服了火灾数据缺乏、且难以进行大量重复实验的困难,得到参数的条件期望估计与方差。通过对系统故障树的分析,得到我国商业建筑火灾初期灭火失败概率的期望与方差,并对参数引起的误差进行系统误差传播分析,最后进行系统决策。     

电子合作背景下企业信息系统能力模型及实证研究

针对电子合作企业,从资源基础观角度,研究企业信息系统能力模型并进行实证检验.首先,在已有研究的基础上,构建信息系统能力模型,包括连接区域、业务覆盖度、集成度、人力资源能力、信息系统支持的无形资产能力;其次,以 "电子合作"特征较明显12家中小企业为对象(主要来自河北省),采用深度访谈和问卷调查法收集数据,在此基础上,验证本模型在跨企业信息系统背景下的有效性.本文为管理者进行企业间信息技术投资提供决策借鉴.     

知识图谱在推荐系统中的应用研究

随着知识图谱技术的发展,在构建太阳能光伏产业新兴技术辨识模型的基础上,根据相关软件所生成的科学知识图谱提取出技术演进的时间维度及领域维度,具有很强的研究意义;同时,设备选型和物资采购等活动使得用户从大量的信息中挑选目标信息变得复杂且耗时。推荐系统(RS)旨在为用户找到满足个性化兴趣的一组物品来解决信息爆炸的问题,但目前仍存在冷启动等不足。利用知识图谱分析并构建用户和项目的关系模型,可以有效地提高个性化推荐的精确度。为此,研究了如何利用知识图谱进行准确和可解释的推荐,并指出了该领域可能的研究方向。