个性化移动学习系统框架研究

根据学习者个体差异进行个性化学习是当前信息时代移动学习发展的总趋势.个性化移动学习具有学习时间碎片化、学习行为个别化和学习过程个性化的特征,要求系统应当具备三大核心功能:个性化的定制、推荐与呈现.在应用层、业务层和数据层三层框架下,能够实现个性化移动学习系统的基本功能需求.     

多Agent协同的电子商务推荐系统模型

为了进一步提高电子商务推荐系统中商品推荐的准确性和高效性,通过分析传统推荐系统存在的问题和已有的优化方案,提出了多Agent的电子商务推荐系统模型。推荐系统通过人工智能领域中的多Agent技术,并应用终端自适应特性,改善了传统推荐系统在多终端情况下的电子商务系统的推荐效率,并根据用户使用的不同终端动态返回推荐结果。实验结果表明,多Agent协同的电子商务推荐系统在一定程度上提高了推荐效率和准确性。     

基于协同过滤的移动电子商务个性化推荐系统若干研究

在简要介绍移动电子商务个性化推荐系统概念的基础上,给出了移动电子商务推荐系统EMC-PRS的模块结构。重点分析比较了基于最近邻居的协同过滤算法和基于项目评分预测的协同过滤算法。经测试发现,基于项目评分预测的协同过滤推荐算法可以显著提高个性化推荐系统的推荐质量。     

基于音乐基因组的个性化移动音乐推荐系统

随着移动技术的不断发展,移动应用服务的市场前景广阔。其受限制的硬件条件,对移动应用服务的个性化提出了更高的要求。在此背景下,引入音乐基因组的概念,以用户对音乐的标注行为和社会化标签为基础,分析用户对不同音乐基因特征的偏好情况及用户兴趣,并利用不同用户之间的兴趣相似情况,构建用户之间的相邻关系,结合两方面的因素,提出了一个个性化移动音乐推荐系统。实验表明,该方法能够较好地满足移动音乐服务的个性化需求。     

个性化新闻推荐技术研究综述

新闻每时每刻都在发生,阅读新闻已经成为很多人的习惯。新闻媒体众多,网络媒体凭其迅捷性和便利性成为很多人的首选。网络新闻众多导致新闻过载,这就迫切需要个性化的新闻推荐系统,帮助用户快速地找到感兴趣的新闻。伴随着新闻大数据的产生和移动互联网的蓬勃发展,个性化新闻推荐迎来了新的机遇和挑战。首先介绍了个性化新闻推荐的挑战性;然后提出了个性化新闻推荐系统的基本框架,该框架包含新闻建模、用户建模、推荐引擎和用户接口四个模块,并以该框架为基础,分别综述了每个模块的研究进展,列举了现有的个性化新闻推荐系统中四个模块所采用的技术;最后总结了常用数据集、实验方法、评测指标和未来的研究方向。     

面向移动社会网络的好友推荐方法

针对移动社会网络（MSN）的好友推荐问题,提出了一种基于多维相似度的好友推荐方法。该方法隶属于基于内容的好友推荐,但与现有方法相比,不再局限于单一维度的匹配信息,而是从空间、时间和兴趣三个维度出发,判断用户在各个维度上的相似度,最终通过“差异距离”进行综合评判,向目标用户推荐与之在地理位置、在线时间和兴趣爱好上更具一致性的其他用户成为其好友。由实验结果表明,该方法应用于移动社会网络中的好友推荐服务时,其推荐结果查准率接近80%,查准效率接近60%,性能远高于只基于单一维度的好友推荐方法;同时,通过对三维权重值的调整,该方法可应用于多种特性的移动社会网络中。     

移动推荐系统及其应用

近年来,移动推荐系统已成为推荐系统研究领域最为活跃的课题之一.如何利用移动上下文、移动社会化网络等信息进一步提高移动推荐系统的推荐精确度和用户满意度,成为移动推荐系统的主要任务.对最近几年移动推荐系统研究进展进行综述,对其关键技术、效用评价以及应用实践等进行前沿概括、比较和分析.最后,对移动推荐系统有待深入的研究难点和发展趋势进行分析和展望.     

移动学习信息服务模式发展趋势研究

个性化的信息服务是移动学习的必要条件之一.分析了基于短信、WEB浏览和邮件的三种移动学习信息服务模式的过程与优缺点,并对目前的移动信息定制系统和推荐系统进行了评述.最后指出:需要将定制与推荐结合起来才能真正实现个性化信息服务的目标.     

个性化广告推荐系统及其应用研究

近年来,随着互联网及智能移动设备的发展和普及,丰富了广告的推送方式和投放平台.但是传统的广告推送无法满足用户对个性化广告的需求,导致用户对广告产生抵触情绪,给广告推送带来极大的挑战.个性化广告推荐系统作为应对这些挑战的有效手段,成为个性化服务领域的研究热点之一.个性化广告推荐系统获取用户兴趣偏好,利用多种个性化广告推荐...     

移动商务推荐系统中的一种基于P2P的隐私保护策略

近年来,移动推荐系统已成为推荐系统研究领域最活跃的课题之一。但由于移动终端的私人性和移动网络的复杂性,在保证高精度推荐的同时如何保护用户隐私已经成为移动商务发展的主要挑战。传统推荐系统中的隐私保护技术由于移动终端的计算能力差、无线网络的带宽弱等局限无法适用于移动商务推荐系统。针对以上问题,面向移动商务推荐提出一种基于P2P的隐私保护策略,通过构建P2P好友圈,采用基于k-匿名的代理转发的增量数据更新方式,实现不对增量数据进行任何修改以保证高精度推荐,同时保护用户隐私安全。最后通过实验验证了基于P2P的隐私保护策略的可行性和推荐服务的有效性。