基于社交网络的社会化推荐算法研究

社交网络日趋活跃,基于社交网络的推荐成为电子商务推荐系统研究的热点领域之一;如何利用社交网络数据给用户进行推荐物品,是基于社交网络的推荐算法的研究重点。对社交网络的定义、社交网络数据的分类进行概述,研究基于邻域的社会化推荐和基于图的社会化推荐算法;结合实际推荐系统对社会化推荐算法进行改进设计。     

面向服务的多源异构数据Web浏览系统研究与实现

分析了当前GIS空间数据多源异构的状况,介绍了解决多源异构数据共享问题的相关技术,提出了一种网络环境下浏览多源异构空间数据的系统架构,该系统面向服务基于MapGIS数据中心和MapGIS IMS-SOA开发.该体系能够充分利用现有数据资源和网络资源.     

TopN推荐系统的差分隐私保护研究

提出了1种基于差分隐私保护的TopN协同过滤推荐算法—DP-TopN算法,使用Laplace噪音机制分别对推荐过程的数据预处理部分和用户评分部分进行随机扰动,并对推荐算法步骤进行调整,使得整个推荐过程满足差分隐私模型,从而达到保护用户隐私安全的目的。通过在真实数据集上进行的实验和理论分析表明,所提算法能在满足精确推荐的同时有效地保护用户的个人隐私。     

多源异构房产数据融合的应用研究

基于福州市房产数据现状及信息化建设的需求,提出应用同名地物要素的空间位置匹配及调整变换的方式来辅助完成多源异构房产数据的融合.在多源异构数据融合的过程中,以多源异构房产空间数据的匹配融合为基础,在此基础上结合房产业务属性数据编码融合、时效性融合以及部分人工处理辅助的方法,从而实现了福州市多源异构房产数据的融合统一.     

《无线传感网络》自主学习资源推荐服务平台建设探讨

针对硕士研究生《无线传感网络》课程涉及的核心技术多、领域宽、资源内容差异化大等问题,提出了建设面向研究生教学的自主学习资源服务推荐平台的思想,基于云服务平台,运用智能服务推荐算法,依据学习者的层次、专业技术水平和研究发展方向等信息进行综合分析,实现精准资源推荐服务以及定制化专业教学资源推荐服务。     

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。     

基于知识图谱的兴趣点推荐算法

本文通过介绍基于知识图谱的兴趣点领域推荐算法并通过实验验证,证明使用基于知识图谱的推荐方法在兴趣点推荐领域切实有效。     

“互联网+”时代移动学习资源个性化推荐模型

本文在分析移动学习资源个性化推荐现状的基础上,给出了一种基于混合模式的移动学习资源个性化推荐模型,并对模型的各个模块进行简单说明。希望为今后移动学习资源的个性化推荐提供模型构架方面的参考。     

基于合作与竞争关系的标签推荐算法

针对高阶奇异值分解(HOSVD)模型进行标签推荐时产生矛盾标签且没有充分利用标签之间关联的问题,提出了1种基于合作与竞争关系的标签推荐改进算法,利用标签之间的相关关系来改进原有的HOSVD模型,并应用到标签推荐系统中。通过实验将其与未改进的推荐算法对比,实验数据表明,在同等条件下,改进后的算法推荐的标签更加准确。