共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
为提升图书借阅信息查询精准度,设计基于微信公众平台的图书借阅信息查询系统。该系统包括前台端管理子系统和微信服务端信息查询子系统。其中,前台端管理子系统作为系统基础,为用户与图书馆提供借阅前期操作界面,完成用户及图书相关信息的管理以及功能展示;微信服务端信息查询子系统作为系统的核心,包含6个模块,可根据用户需求完成智能分析,选择对应的模块完成图书借阅信息筛选、优化、解读、查询和推荐,实现图书借阅信息查询。经实验测试证明,该系统各项功能均满足预期设计,具备图书借阅信息查询可行性,承载力较好,借阅信息查询准确率在96%以上,符合系统性能需求。 相似文献
3.
《现代电子技术》2019,(23):145-149
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。 相似文献
4.
5.
移动互联网的发展和智能手机的普及,彻底改变了人们的阅读习惯,帮助人们获取最有效的阅读资讯成为当今的研究热点之一.本文使用基于标签和评分的协同过滤算法(UTR-CF),设计并实现了基于Android的个性化推荐阅读系统.系统分为服务端和客户端,服务端定时从豆瓣读书爬取图书信息,根据图书的评分和标签、用户图书标签,采用基于标签和评分的协同过滤推荐技术实现个性化推荐;客户端展示用户感兴趣的推荐结果,并将设置的图书标签、评分上传到服务端.经测试,该系统能为用户提供快速、准确的个性化阅读需求. 相似文献
6.
针对数字图书馆图书借阅推荐系统中通常采用的协同过滤算法中存在的不足,分析了该算法存在在用户多兴趣情况下推荐时难免会产生偏差,从而降低预测推荐准确率问题,进而提出了一种基于用户多兴趣度的图书借阅推荐系统推荐算法的设计思路。该算法首先对待推荐图书进行分类,然后根据用户的借阅情况计算其对每类图书的兴趣度,将对每类图书兴趣度相似的用户聚为一类,在小范围内寻找最近邻居,最后根据用户对不同类别书目的兴趣度作为权重值来产生对该用户的每类图书的推荐数目。该算法不仅能够解决用户多兴趣度问题,同时也可减少计算工作量,提高推荐的准确率。 相似文献
7.
为了提高用户获取图书的效率、优化阅读体验,文中对基于用户行为与内容的相关推荐算法进行了研究,引入Hadoop大数据处理框架,设计并实现了一款在线图书推荐系统。该系统基于软件工程的理论进行设计,通过梳理图书推荐流程设计了相关的功能模块,从系统的可扩展性角度出发,分层次设计了系统的软件架构。对常用的推荐算法进行了研究,构建用户行为特征与图书特征库,在使用协同过滤推荐时,使用向量的余弦值衡量二者的近似度。在系统实现上,使用Hadoop中的HDFS分布式文件系统进行特征库的部署与用户日志文件的存储,通过引入7个计算集群与MapReduce编程模式,实现了890 s内一次性5 000本图书的推荐。采用J2EE技术对系统进行了实现,运行测试结果表明,系统运行稳定,可以满足推荐系统的准确性与可靠性要求。 相似文献
8.
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. 相似文献
9.
随着电子商务的迅速发展,越来越多的顾客选择网上购物,如何让用户在海量信息中快速而准确地找到合适的产品,做出购买决定是一件很难的事情。个性化推荐技术能够较好的解决此问题,它通过分析顾客相关信息,向用户推荐感兴趣的产品,以便做出最后的决策。本文分析国内外个性化推荐技术研究现状,着重介绍协同过滤推荐技术存在的冷开始、数据稀疏性、伸缩性、“托”攻击等问题。为了改进传统协同过滤技术,结合典型的信任评估模型,提出了本文的观点。并介绍此推荐技术的两种算法,即用户单一兴趣下基于信任机制的电子商务个性化推荐算法和用户多兴趣下基于信任机制的电子商务个性化推荐算法。 相似文献
10.
11.
“热门借阅”“热门检索”等无差别的非个性化推荐方式无法有效解决馆藏图书中的“暗书”问题。而个性化推荐通常需要获取大量用户交互信息。然而在实际图书流通服务中,用户的书目检索等操作往往处于非登录状态,数据采集有很大局限性。由此提出一种融合群组特征的个性化图书推荐模型,仅基于用户的历史借阅信息数据及基础信息,变换得到读者对书目的评分预测,然后利用矩阵分解分析主体阅读偏好,进行个性化推荐。在此基础上,通过聚类算法得到目标读者的群组画像特征,为目标读者生成离线推荐列表。该文采用信息工程大学图书馆2020年度流通数据集验证了推荐模型的有效性,并通过对比实验验证了模型的推荐准确率。 相似文献
12.
原始信息整合系统存在整合时间长、信息推荐精准度低的问题,已经无法满足用户需求,为了避免原始系统带来的弊端,设计了基于用户需求驱动的个性化图书信息智能整合系统。调用检索子系统Index函数,获取个性化图书文档集合,在动态数据维护机制上,设计处理子系统,监管数据更新状态。通过以MICRF007芯片为核心手机端查询接口电路,改善整合时间过长的问题,利用电脑端查询接口电路,恢复休眠文件。依据个性化整合流程,采用二进制数据转换方法检索信息。利用组合逻辑延时计算映射文件生成时间,完成信息整合,选择Windows 2000 Server系统,发布整合结果。由实验可知,所提系统信息推荐精准度最高可达到95%,最短整合时间可达到21 s,满足用户高效查询图书信息的要求。 相似文献
13.
14.
15.
16.
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. 相似文献
17.
18.
随着互联网时代的发展,图书零售线上占比越来越多,图书推荐系统应运而生。在推荐系统中,推荐纯冷启动项目是一个长期存在的问题。在没有任何关于冷启动项目的历史交互情况下,协作过滤(CF)方案不能利用协同信号来推断用户对这些图书的偏好。为了解决这个问题,已经进行了广泛的研究,如将图书辅助信息(内容特征等)纳入CF方案。但是由于很少探索内容特征和协作嵌入之间的关系,导致冷启动推荐性能并不理想。在本文中,重新定义了冷启动项目的表示学习,设计了一个基于对比学习的新目标函数,并提出了一个基于对比学习的冷启动推荐框架。具体来说,该框架由对比对组织、对比嵌入和对比优化三个模块组成,允许在内容表示中为热启动项和冷启动项保留协作信号。通过在2个可公开访问的数据集上进行的广泛实验,观察到提出的对比学习冷启动框架在热启动和冷启动场景中都比最先进的方法取得了显著改进。 相似文献
19.
推荐系统是信息过滤系统领域的一个重要研究方向.随着信息技术的发展,推荐系统在提升用户体验和增加企业效益等方面发挥着越来越重要的作用.主流的推荐系统大多基于矩阵分解模型和深度学习模型,近年来又提出了基于记忆网络和集成学习的推荐系统为用户精确地推荐物品.本文将对基于矩阵分解、基于深度学习、基于记忆网络和基于集成学习的推荐系统进行分析和总结,展望未来的研究方向. 相似文献