改进贝叶斯的语义推送算法设计

教育信息语义本体构建是通过语义本体构建方式去设计教育信息本体库。本体间逻辑关系表示方法,是构建出有逻辑结构的教育信息集合的过程。实现教育信息的半结构化数据归类,对不同时间采集的归类数据在规定好的模型中进行计算—词汇频度分析模型。词汇频度分析模型运用逆概率的贝叶斯思想,经过对传统贝叶斯算法与语义本体性质相结合,使MapReduce善于处理半结构化数据;经过对语义本体构建的教育信息数据结合词汇频度分析模型进行计算,获得教育信息本体的推荐能力值E i;通过对不同本体E i值进行排序,获得了推荐信息的顺序;根据推荐权重进行信息的推送工作,同时根据JS指数,经过比较基于词汇频度分析模型与目录结构推送算法的分析结果得出:词汇频度分析模型优于基于目录结构推送算法。     

中国移动用户数据分析推送平台的设计与实现

基于海量用户信息空间分析出用户的个性化需求,有针对性的服务推送难度越来越大。针对这种情况,提出了一种智能化信息服务系统,通过用户建模技术对用户的个性化信息需求进行描述,并根据用户模型推送有针对性信息的定制服务。首先,建立客户画像的维度并利用画像数据进行数据挖掘,采用关联分析算法对移动客户感兴趣的网络内容进行统计计算,找出移动客户访问网络内容的潜在规律,然后,根据软件工程思想,对系统进行了详细的模块设计,主要对系统的数据挖掘模块及关联分析算法进行了实现,最后,完成了整个系统的部署和测试。实验结果证明,基于中国移动用户数据的分析推送平台,为用户提供更加精准的个性化信息推送服务,适应移动互联网信息服务的发展趋势。     

基于全域用户画像的企业智能大数据分析及营销系统的应用

基于全域用户画像的企业智能大数据分析及营销系统是一种精准营销工具,使企业能够迅速、精确地掌握客户需求,提高销售效率。本系统可以从多个不同的角度收集并汇总用户的信息,对用户的使用行为、兴趣与偏好进行大数据分析,从而构建用户的行为特征与兴趣偏好。在论述系统基本结构的基础上,着重探讨了基于全域用户画像的企业智能大数据分析及营销系统的功能应用。     

基于大数据的多源信息分发系统研究

随着探测技术和设备的不断发展,多源信息保障处于全新的生态系统,对信息的分发应用提出新的需求,传统的信息推送模式已经难以适应新形势。通过剖析多源异构信息共享应用研究情况,针对信息的精确筛选、精准分发等环节,基于协同过滤等方法,计算用户信息需求相似度和兴趣相似度,基于大数据技术构建智能化多源信息分发系统,实现海量信息与用户需求的精准匹配和智能推送。构建的系统模型能够为多源信息高效敏捷的共享应用提供理论和技术支持,有效地提升信息保障和应用的质效。     

基于用户兴趣模型的数字多媒体信息智能推送方法

为了帮助用户更加高效率挖掘出有价值信息,提出一种基于用户兴趣模型的数字多媒体信息智能推送的方法,实验结果表明,所提方法的数字多媒体信息智能推送精度较高,推送时间较短,提高了用户满意度.     

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....     

基于多源数据的高校学生画像智能构建系统与应用

用户画像成为通过数据分析深度挖掘数据价值的重要工具,被广泛应用于不同领域。在教育领域,基于跨领域多源数据的学生画像研究和动态智能构建学生画像模型研究相对较少。提出的用户画像智能构建系统整体架构包括多源数据源、数据采集模块、多源数据处理模块、智能构建模块和画像应用模块。通过线上数据采集单元和线下数据采集单元自动采集高校学生多源数据,再对采集数据进行智能处理,进一步设计学生多层次标签库和使用贝叶斯定理创建多源数据智能构建模型,实现用户画像智能构建,最终形成不同领域有用的多层学生画像信息。实践表明,该系统提高了用户画像构建可靠性和时效性,具有较高的应用价值。     

一种基于智能Agent的科技文献快速协作推送机制

针对目前网络科技文献共享平台上汇聚的海量的科技文献,提出了一种新的基于智能Agcnt的科技文献快速协作推送模型,通过引入由智能Agen、技术构建的用户Agent、数据传递Agent、信息评佑Agent、信息分析Agent ,服务器监控Agent和数据挖掘Agent,在客户机和服务器之间建立一种有效的协作关系,联合为每个用户主动提供最符合其需求的科技文献。提出了一种新的文献一读者契合度评估算法,算法综合考虑用户主动提供的订阅信息、用户的阅读历史情况、文献价值客观评价值以及文献发表的先后时间,获取契合度值向量对文献与读者的匹配情况进行客观的评估,从而在准确获得用户真实兴趣和关注领域的情况下及时为用户提供最有价值、最符合用户需求的高质量科技文献信息。分析了目前的网络信息获取和传送方法,然后介绍了基于智能Agcnt的科技文献快速协作推送系统模型,最后详细探讨了文献一读者契合度评佑算法及契合度向量的各个参数的计算方法。     

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。     

基于用户兴趣挖掘技术的移动校园信息推送系统研究与探索

本文主要从分析现有的校园信息发布平台出发,围绕个性化主动信息推送这一目标,研究及探索一种基于移动网络和用户兴趣挖掘技术的校园信息推送系统。针对不同的用户订制个性化的服务策略和功能模式,并通过分析用户信息和浏览行为以及用户信息订阅来构建用户兴趣模型,主动将用户可能感兴趣的信息推送给他们,并对推送结果进行反向跟踪,实现信息的"推"技术,以此构建一个全新的校园信息推送服务系统,达到信息的主动投放和精确获取的效果。