我国学习资源个性化推荐研究进展

网络学习资源数量激增导致的信息过载,是当今互联网学习者面临的一个问题。而个性化的学习资源推荐技术通过自主过滤海量资源,筛选出学习者需要的学习资源,减少学习者寻找资源的代价,是解决该问题的一个有效方法。文章通过用户、对象和推荐策略三个方面,对国内教育资源推荐技术的研究现状进行综述,并重点分析各推荐技术的特点、优势及不足,同时指出现今学习资源推荐技术研究的热点及可能的发展方向。     

基于社交网络数据的个性化推荐研究

随着移动技术的发展,社交网络已经成为互联网产品中的主体,而社交网络产生的大量关系数据可以被用来进行个性化推荐的研究。本文在社交网络数据和用户行为数据的基础之上,研究了基于社交网络的个性化推荐,提出了一种概念算法,该算法很好的模拟的现实社会中的好友推荐关系。     

机器学习的个性化推荐算法

本文在研究相关文献的基础上,研究了常用的推荐算法和个性化推荐算法,以此改善用户体验,增加企业的收益。     

个性化推荐引擎技术及在电子商务中的应用

本文介绍了个性化推荐引擎的定义,对个性化推荐引擎所依据的算法原理进行了详细的阐述,个性化推荐引擎技术实现了用户个性化的需求,提高了用户浏览搜索网页的效率。     

当代图书馆的个性化信息推荐

本文首先简要介绍从广泛使用数字和网络技术、智慧化管理和智慧化服务、服务的网络形式或移动形式等不同角度对当代图书馆的特征及发展前景的研究,然后着重介绍近年来理工科研究人员热烈进行的个性化推荐系统研究,最后介绍一些密切结合普遍的个性化推荐系统,又考虑个性化图书推荐特点的文献,并指出这样的研究在国内外都还太少,当代图书馆研究者急须了解理工科的推荐系统研究。     

浅析电子商务个性化推荐技术

随着互联网的普及和电子商务的发展,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,用户经常会迷失在大量的商品信息空间中,无法顺利找到自己需要的商品。电子商务推荐系统利用人工智能、统计学、数据挖掘等技术,直接与用户交互,帮助用户更好、更快的找到需要的商品。本文着重介绍并分析了目前常用的几种个性化推荐技术,包括基于关联规则的推荐技术、基于最近邻居的协同过滤技术和基于内容的推荐技术。并对今后个性化推荐技术的研究热点和发展方向进行了展望。     

基于深度学习的人脸大数据系统应用

随着科学技术的快速发展,人工智能产品的研发使得公共安全部门的技战法得到极大丰富。由于人脸识别技术具有友好性、高并发性、隐蔽性等许多其他生物识别技术不具备的优点,因此,人脸识别应用有不可比拟的优势。通过比对其他人像识别算法,得到基于深度学习的人像识别技术更贴合人脑的视觉机制,继而设计集静态人像比对和动态人像比对的为主要功能的人像大数据应用系统。     

基于海量数据和Web挖掘的个性化推荐系统研究

推荐系统是学术界和工业界研究热门的课题,能有效解决互联网海量数据中"信息过载".首先介绍个性化推荐技术的发展、应用和相关问题,重点分析多种经典的推荐算法及其特点,并给出推荐系统的性能评价方法与指标,最后对个性化推荐的未来发展做出展望。     

交互式学习系统有效促进个性化学习——Edmodo在初中信息技术教学中的应用

本文深入阐述了差异化教学现状下,交互式学习系统Edmodo在初中信息技术个性化教学中的具体应用。     

构建基于概念地图的个性化网络学习环境模型

本文针对目前网络学习用户的网络迷失、认知负荷超载以及浏览路径失控等问题,提出了基于概念地图理论的个性化网络学习环境模型。对建立具有适应性的网络学习环境模型以提高网络学习质量的基本思路和方法进行探讨,以期为更深入研究和有效解决网络学习质量问题提供参考和借鉴。