科技项目评审专家推荐系统模型

针对科技项目评审专家的准确遴选问题,提出一种混合推荐系统模型。该模型在文本信息分词的基础上,运用TF—IDF算法进行关键词的提取、权重计算及筛选,分别建立科技项目和评审专家的向量空间模型,并基于专家信息建立专家评分数学模型。最后提出一种内容推荐、协作过滤推荐及专家评分加权因子相融合的混合推荐算法。实验结果表明,该推荐模型能有效地进行评审专家推荐。     

基于归一化方法的协同过滤推荐算法

针对传统的协同过滤推荐算法没有考虑用户向量维度以及评价值差异的问题,提出了一种基于归一化方法的协同过滤推荐算法。算法在计算用户或项目相似度之前首先将用户对每一项目的评分值归一化到一个统一的值域范围,然后再计算用户向量空间的相似性并进行预测推荐。实验结果显示该算法能够准确地找到相似的邻居用户或项目,预测及推荐测性能有较大提高。     

自适应推荐算法在电子超市个性化服务系统中的应用研究

为了满足电子超市中用户的个性化的服务需求，提出并实现了一种基于支持向量机的自适应推荐算法。首先，将用户模型按照层次化方式组织成领域信息和原子需求信息，考虑多用户同类信息需求。采用支持向量机对领域信息节点中的原子需求信息进行分类协同推荐，然后在针对每一领域信息节点中的原子信息需求进行基于内容的过滤。该算法克服了分别采用协同推荐和基于内容的推荐单一方法的缺点，大大提高了信息的查准率和查全率，尤其适合大规模用户群的信息推荐。该算法用于基于电子超市的个性化推荐服务系统（PRSSES）中，结果表明是有效的。     

云计算环境中资源优化推荐技术研究

随着系统规模的不断扩大和数据获取量的指数级增长,在传统推荐系统的冷启动、精确性、扩展性等问题严峻化的同时,实时性问题亦成为面向海量数据推荐系统新的瓶颈点。基于传统推荐领域的主流算法,提出了一个扩展向量推荐模型。根据扩展模型对推荐算法中对象的向量进行合理扩展,通过相似度计算等过程动态选取推荐集,完成对目标对象更精确的推荐。实验结果表明,与传统推荐算法相比,基于新模型的推荐算法可以显著地提升推荐效果,成功克服冷启动问题。     

知识图谱与数据应用——智能推荐

知识图谱技术是新兴的互联网技术,具有较好的前瞻性和较强的技术先进性,有着广泛的应用前景。知识图谱技术提供从“关系”的角度分析问题的能力,可以对数据进行深度挖掘,将自然语言转化为计算机语言,最大限度地展示数据的价值,可以服务于智能搜索、智能推荐、风险预警、智能运营、智能客服、舆情监测、设备预警等业务,大幅地提高企业生产效率。研究了综合聚类算法、SVD分解算法、基于商品的协同顾虑推荐算法、基于用户的协同顾虑推荐算法和商品相似度算法等,结合推荐策略提出了基于知识图谱数据应用的智能推荐系统。证明了以知识图谱作为基础工具的数据应用的可实施性和可部署性,能够全面满足用户在互联网平台的获取信息的需求。     

一种优化的相似度协同过滤推荐算法

传统的协同过滤推荐算法存在推荐准确性不高的问题。在计算相似度时，当得分向量的结果差异性不大时，可能会产生相似的结果向量，从而降低相似度结果的准确性。针对这一问题，提出一种优化的用户相似度协同过滤推荐算法，在传统的余弦相似度计算中加入一个平衡因子，并通过实验验证加入的平衡因子阈值算法的有效性。实验结果表明，优化的用户相似度协同过滤推荐算法能够显著提升用户相似度计算的准确性，从而得到较好的推荐结果。     

广电新媒体内容智能推荐算法实践研究

新蓝算法是一种注入主流价值观的广电新媒体内容智能推荐算法,将价值观与个性服务相结合,实现千人千面又正能量充沛的内容推荐.相对于传统算法,新蓝算法引入了温暖度这一正能量价值权重指标,利用地域指标植根省级媒体属性,并运用机器学习算法,对内容进行智能自动聚类,减少人工标签化的琐碎工序,降低人为因素的影响,在一定程度上提升了推...     

数据挖掘技术在科研项目量化与评价中的应用

针对高校科研项目量化与评价工作缺乏对量化数据进行理论分析的问题,提出了利用数据挖掘技术对高校科研项目量化数据进行挖掘分析,应用AprioriTid算法获得了科研项目各项量化与评价指标之间的关联规则。该规则表明高校科研项目中省部级、自然学科类、经费在1万到4万之间的科研项目占项目总数的三分之一,且该类科研成果在专家总体评测中大多会被评为优秀,实践证明该关联规则对高校科研项目量化与评价工作具有借鉴意义。     

智能推荐系统在智慧社区中的应用

近年来,我国智慧社区建设成为了城市建设的一种共识.大数据挖掘技术为智慧社区的实现提供了基础和前提,成为智慧社区实现的关键性技术.本文以大数据技术在智能推荐系统中的应用为案例,将大数据挖掘技术中协同过滤算法、关联分析、NMF算法等技术,应用在智能推荐系统设计上,为社区超市商品的上架提供了有效的信息参考,有效证实了大数据技术应用的可行性.     

基于改进支持向量机的推荐系统托攻击检测方法

使用具有较好泛化能力的支持向量机算法建立推荐系统托攻击检测模型,由于在传统支持向量机算法中,用来控制错误识别样本惩罚度的惩罚因子的具体参数以及不敏感损失参数的具体参数由使用者决策,并在较大程度上决定支持向量机的性能。标准PSO算法的收敛性能基本取决于学习算子和惯性系数等重要参数的选取。标准PSO算法前期收敛速度很快,后期则比较缓慢,粒子群趋同性造成算法后期容易陷入局部最小值,即进入早熟。因此,使用混沌优化算法与PSO算法共同完成对传统支持向量机算法的优化。最后使用Movie Lense100K数据集进行实例分析,从检测结果对比可以看出,填充率越高,检测准确率越高,研究的改进支持向量机具有最优的检测性能,能够帮助推荐系统防范托攻击,以得到较精准的用户评分数据。     

广电智能推荐标签系统优化策略研究

智能推荐系统结合人工策划和算法驱动,从“人找内容”升级到“内容找人”,为用户提供个性化精准推荐。标签分类在智能推荐中至关重要,但仍存在多样性、模糊性和垃圾标签等问题。本文致力于深入研究广电智能推荐标签系统中标签分类的优化,充分借鉴国内外经验,考虑影视剧内容及本质,提供高效、精准的内容推荐,以推动传统广播电视向智能化转变。     

基于粒子群优化的SVM供水管道泄漏诊断方法

供水管道泄漏会造成水资源浪费和经济损失,传统支持向量机泄漏诊断模型中存在参数选择不确定的问题,导致其分类结果不稳定。提出将粒子群进化算法应用于泄漏诊断支持向量机模型中的参数优化选择,利用粒子群群体智能优化搜索从全局迅速地迭代出合理的支持向量机的惩罚参数以及核参数,使建立的PSO-SVM管道泄漏诊断模型达到最优。实验测试表明,通过结合粒子群算法全局搜索收敛速度快的优点,有效地解决了支持向量机模型中两个重要参数优化选择的问题,提升了支持向量机分类的准确率和效率。     

以用户兴趣为指导的个性化广播电视智能推荐系统

广播电视正朝着多样化和个性化的方向发展,使得用户很难在大量的广播电视节目中快速找到自己感兴趣的节目。因此,构建以用户兴趣为指导的个性化广播电视智能推荐系统成为必然。然而,用户的兴趣会随时间出现一定程度的变化,这就导致系统最终推荐的效果不尽如人意。因此,将兴趣随时间变化的趋势作为重要权重引入到协同过滤算法用户相似计算中,构建新型的广播电视推荐系统,最终通过实验验证,所提出的个性化广播电视智能推荐系统能够有效提升推荐结果的准确性。     

云环境下电子商务网站商品智能推荐模型设计

随着电子商务的普及,商品智能推荐成为越来越多电子商务网站的"标配"。本文基于Abrjot算法提出了一种新的智能推荐模型,并利用MapReduce架构设计了推荐策略。本文还对新模型进行了仿真实验,结果表明,随着求解精度的增加,新算法连接和剪枝过程明显优于传统串行搜索。     

基于大数据AI算法的IPTV推荐场景应用

北京IPTV智能推荐系统项目以现有北京IPTV用户的收视/订购行为数据和海量北京IPTV节目内容数据为基础，采用深度机器学习、自然语言处理等大数据AI人工智能算法和多维度分析推荐方法，根据机器训练数据和推荐结果反馈数据，不断优化北京IPTV大数据智能推荐系统策略及相关算法模型，以满足北京IPTV业务各个用户场景对智能推荐的要求，目标是实现提升北京IPTV各项核心业务指标。本文主要论述人工智能算法在北京IPTV业务应用中的思路和系统设计方案。     

融合偏置的动态专家信任推荐算法

针对协同过滤推荐算法中数据稀疏、冷启动与噪声用户对推荐质量的严重影响,该文将用户-项目评分数据与用户信任关系数据相结合;提出一种融合偏置的动态专家信任推荐算法(BDETA),首先根据用户信任关系数据进行社区划分,获取用户间显式信任值;其次从社区中用户-项目评分数据获取可信度、隐式信任值;通过结合用户间可信度、显式信任值、隐式信任值动态确定专家信任因子,根据用户的推荐能力为每个社区确定专家数据集;最后结合用户不同评分标准进行评分预测。在真实数据集FilmTrust的实验结果中,能够有效地解决协同过滤中冷启动与数据稀疏问题,可更好地满足用户的个性化推荐需求,并且在推荐系统常用评价指标MAE与RMSE中有着不错的表现。     

融合知识图谱和协同过滤的电源推荐算法

推荐系统是解决信息过载、提高信息获取效率的有效手段.为解决电影推荐过程中数据稀疏和冷启动对推荐系统的负面影响,本文提出一种融合知识图谱和协同过滤的电源推荐算法.首先利用原始数据集和开发知识库构建电影知识图谱,采用TransHR模型从电影信息的多关系中学习电影的内涵语义知识,将其嵌入到一个低维向量空间中;然后,依据电影的...     

基于改进PSO-SMO的模型参数辨识及应用

目前,大多数智能辨识方法只考虑辨识系统的输出值,不能辨识模型的参数.对此,研究了基于线性核函数支持向量机的辨识算法,对模型参数和输出同时进行辨识.在此基础上,采用改进的PSO-SMO算法以提高辨识速度和精度.将该方法用于ARX模型和长期预测模型的参数辨识中,结果表明,该算法比其他算法具有更高的准确性.     

关于计算机智能图像识别的算法及技术分析

在计算机人工智能不断发展的背景下,人们提出了人工智能化的图像识别要求,以实现在复杂环境下都能正确识别各种物体。科学技术专家将不变矩理论与D-S证据推理相结合、计算机技术与信息技术相结合,进而提出了计算机智能图像识别算法及技术,本文将对计算机智能图像识别算法与技术进行深入分析。     

融合偏置的动态专家信任推荐算法

针对协同过滤推荐算法中数据稀疏、冷启动与噪声用户对推荐质量的严重影响,该文将用户-项目评分数据与用户信任关系数据相结合;提出一种融合偏置的动态专家信任推荐算法(BDETA),首先根据用户信任关系数据进行社区划分,获取用户间显式信任值;其次从社区中用户-项目评分数据获取可信度、隐式信任值;通过结合用户间可信度、显式信任值、隐式信任值动态确定专家信任因子,根据用户的推荐能力为每个社区确定专家数据集;最后结合用户不同评分标准进行评分预测.在真实数据集FilmTrust的实验结果中,能够有效地解决协同过滤中冷启动与数据稀疏问题,可更好地满足用户的个性化推荐需求,并且在推荐系统常用评价指标MAE与RMSE中有着不错的表现.