用户个性化推荐系统的设计与实现

为实现个性化服务,理解用户兴趣就成了提供服务的关键任务,因此,提出了隐性采集用户浏览内容、用户浏览时间和用户操作时间的信息方法,通过对网络爬虫程序抓取的网页进行内容清洗提取出主要内容之后,利用VSM建立文档模型,并采用SVM分类方法建立推荐库.基于从客户端采集的用户兴趣信息建模,以及根据该模型和推荐库的相似度,给用户推荐信息.此外,给出了基于该模型的推荐原型系统的实现,使用查准率来评价该系统.试验结果表明,系统较好地实现了基于用户兴趣来推荐阅读的信息.     

基于Mahout的新用户推荐算法的设计与实现

为了解决大数据背景下新用户因没有历史数据而导致推荐难和推荐效率低等问题,提出将基于Mahout的协同过滤算法与基于MapReduce的Top N算法相结合的技术方法,来实现新用户推荐算法,从而构建新用户推荐系统的架构,并对Hadoop Top N算法以及Mahout中协同过滤算法进行设计与实现。理论分析和实验验证表明,该新用户推荐算法在推荐效率、对大规模数据处理的伸缩性以及推荐质量上都明显优于单独使用协同过滤算法的新用户推荐。     

一种用户画像系统的设计与实现

用户画像系统通过结合用户浏览行为日志以及爬取数据作为补充,构成用户浏览行为的完整数据集。通过以Hadoop分布式集群为基础的大数据平台结合数据分析算法对该数据集进行清洗、规范化、分析与处理,分析出用户兴趣偏好,为用户标记不同权重的标签,使得企业更了解用户以及为之后针对用户精准推荐铺平道路。此外,针对K-means算法依赖初始化中心的缺陷进行了改进,从测试结果可以看出改进后的K-means准确率得到了较大提升。     

基于用户兴趣模型匹配的资源检索算法的设计和实现

随着各种资源信息库的大量涌现,让用户从海量的资源信息库中找到自己感兴趣的资源成了每个资源信息库提供者迫切需要解决的问题,提出一种通过对用户兴趣模型与信息资源模型的匹配度比较从而实现资源精确检索的算法,并在相关系统中进行了实现.该算法对实现资源信息的个性化推荐也具有很好的借鉴价值.     

教育网站个性化推荐系统中的一种用户兴趣模型的建立

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：     

数据挖掘在电子商务推荐系统中的应用设计

提出了基于数据挖掘的电子商务推荐系统的设计。     

基于用户行为及语义相关实时更新用户兴趣的推荐系统

在现有的推荐系统中,其用户兴趣模型都能够有效地表达出用户的兴趣,但在用户兴趣发生变化时却不能很好地调整用户兴趣模型,不能及时适应用户兴趣的动态变化。本文提出一种基于语义相关实时更新用户兴趣模型的推荐系统。该系统能够及时响应用户兴趣变化,从而改善了以往推荐系统对用户兴趣更新不及时所导致的推荐结果不够全面、准确的问题。实验表明该系统能够准确表达用户兴趣,特别是在用户兴趣发生变化时比以往系统具有更高的准确性。     

智能中医药数据分析系统的设计与实现

中医药数据具有数据量大和结构复杂等特点,运用传统的统计学方法不能很好地对中医辨证论治数据进行分析和深度挖掘,因此开发一套支持在线访问、功能齐全、简单易用的智能中医药数据分析系统意义重大.该文设计并实现了一套智能中医药数据分析系统ITCMDAS,实现了处方数据频次分析、处方数据关联分析、处方数据聚类分析、文本情感分析和中...     

一种自适应用户兴趣的推荐算法研究

为更好地满足了推荐系统中用户个性化推荐的需求,提高推荐系统的性能。研究了用户兴趣模型,提出了一种用户兴趣模型自动更新的方法,在数据采集过程中,通过对隐性数据的采集,动态地更新用户模型;模型使用向量空间模型的表示方法。实验结果表明,新的模型提高了计算用户最近邻居的准确性,算法在不同推荐范围都用良好的表现,并具有很好的耐久性。     

教育网站个性化推荐系统中的一种用户兴趣模型的建立

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.     

基于用户行为的个性化电商信息推送系统设计

为提高推荐产品与用户需求产品的适配度,基于用户行为分析设计了一种针对电子商务的个性化信息推荐系统。首先,使用网络爬虫技术检索电子商务平台的运行终端,获取电商用户行为信息;其次,构建电商用户行为信息表,分析获取的用户行为数据,通过用户对产品需求来计算用户的偏好度;最后,引进关联规则,挖掘符合用户喜好的产品,实现个性化信息主动推送服务。实验证明,该系统推荐的商品与用户需求产品两者适配度在90%以上,且系统推送后,显著提升了用户在电商平台的点击次数与浏览时间。     

基于贝叶斯网络模型的用户兴趣联合推送

The association push of interesting information is implemented according to the information that other users with similar interests have read, the refore user can easily find high quality interesting information from the immense Web information. The association push of interesting information based on Bayesian network model ispresented in this paper, it stores the conditional probability and semantic meaning between the terms, so the similarity between the users' interests and the similarity between the user's interest and document can be computed according to the semantic meaning of the terms, therefore the association push of interesting information can beimplemented. The experience result indicates this method is effective.     

农业云大数据自组织推送关键技术综述

“信息过载”是大数据时代农业用户发现感兴趣信息面临的一个严重问题,个性化推送是解决该问题的一个有力工具.本文提出了农业云环境下大数据自组织区域推送的必要性,同时阐述了当前几项热点关键技术,包括用户建模、推荐对象建模和推荐算法及云计算下个性化数据挖掘,并尝试给出了推荐系统未来研究的难点、重点和热点问题.     

网上书店订单数据关联数据分析

数据挖掘技术在网上书店系统中起着重要作用,使用数据挖掘技术分析订单数据,通过关联规则挖掘得到相同种类图书之间和不同种类图书之间的关联关系,根据分析结果可以在客户下订单时,为客户推荐相关书籍,从而增加销售额。该文介绍网上书店订单数据关联分析的过程和结果。     

基于用户轨迹数据的用户兴趣区域推荐

推荐系统是通过分析已知信息和用户偏好,在用户选择物品或服务时,向用户提供帮助和建议的系统。但是目前大部分推荐系统都是基于用户评价或评分信息向用户推荐购物、电影等电子商务服务,基于用户轨迹数据进行用户兴趣区域推荐的研究十分罕见。用户的轨迹数据蕴含了用户的偏好,不同的轨迹反映不同的用户特性。所以提出一种从用户轨迹数据中挖掘最大频繁项集,并将最大频繁项集用于计算用户相似性和偏好的推荐方法。该推荐方法还综合考虑了相似用户访问次数、置信度和用户住宅信息等可能会影响推荐质量的因素。将提出的方法和基于协同过滤的推荐方法、基于关联规则的推荐方法进行比较,结果显示本文提出方法的效果较好。     

面向多认证系统的在线用户统一管控平台设计与实现

在校园网中同时部署多套上网认证系统并使用统一的账号密码是常见的上网认证部署方案。多套上网认证系统并存时如何对在线用户进行统一管控、用户上线轨迹追踪和分析,以及如何对多套上网认证系统进行统一监控管理是当前校园网管理面临的共同问题。对此设计和实现了一种面向多认证系统的统一在线用户管控平台,并在真实校园网环境中测试使用,测试结果验证了平台的有效性。     

基于FP-Growth的智能家居用户时序关联操控习惯挖掘方法

针对传统关联规则挖掘算法无法高效且准确地挖掘出隐含于用户操作记录中的时序关联操控习惯,提出一种基于FP-Growth的智能家居用户时序关联操控习惯挖掘算法。该算法分为三个阶段,分别为基于用户操控动作森林、改进的FP-Growth算法和一种时间约束规则进行事务集的生成、时序频繁项集的生成以及最终时序关联操控习惯的生成。最后,使用真实用户操控记录进行对比实验,结果表明该算法能提高生成事务集的效率,并能更准确地发现用户操控家居设备的时序关联习惯。     

用户行为数据分析平台用户竞品分析及相关探究

随着大数据时代的快速发展,数据决策在电商、医疗卫生、交通运输等行业发挥了极为重要的作用,并衍生出许多数据分析平台。其中,用户行为数据分析平台是专门分析用户浏览网页、操作事件时留下的海量信息,从而获得用户行为特征的平台,以此推动企业的不断发展。笔者从数据采集功能、数据分析功能、数据导出方式、辅助功能和盈利模式五部分出发,对现有用户行为数据分析平台展开竞品分析及相关探究。     

数据分析提升用户体验

这是一篇来自“2009游戏创造英雄会运营篇”的演讲,演讲者李天石先生为我们讲解了游戏运营期间的数据运营记录、采集、汇总、聚类及由此类做法延伸到了用户关怀和体验方面的内容。文章结合了大量的数据和图表为我们全面介绍了数据挖掘中的各个细节。经演讲者同意,我们将此文选摘到这里与读者共享。如果大家有成熟的想法,也请撰写成文投稿给我们。我们的投稿地址是：http：//tougao.chinagcn．com。     

基于用户画像与RBF的移动广告精准推送研究

针对当前移动广告的精准推送需求,结合当前的智能技术,提出一种基于用户画像结合协同推荐的广告精准推送方法.在该方法中,基于网络爬虫技术对网页文本关键词的提取,采用VSM向量空间模型构建用户兴趣模型;然后针对个性化推荐中存在评分项目数据稀疏性问题,通过RBF神经网络的方式对评分矩阵进行预测,然后再通过协同推荐算法进行推荐....