一种柔性的电子商务推荐系统*

首先概述了电子商务推荐系统的相关研究工作,指出目前的推荐系统结构不够灵活、柔性,然后运用柔性理论对电子商务推荐系统进行了柔性分析,进而提出了一个柔性的电子商务推荐系统。该系统通过策略模块去完成推荐需求与实现之间的映射,通过这个映射完成不同的推荐服务。系统的设计遵循构件化的原则,以做到随着策略的改变能够灵活调整。     

基于Vague集的电子商务推荐系统研究

基于内容推荐系统发展的瓶颈在于商品特征的表示。借助Vague集方法,并利用高斯函数和Vague集中未知度的一些性质,将商品的特征用Vague值形象表示。在此基础上,给出了运用Vague集方法进行基于内容推荐的步骤,为推荐系统的设计提供了一种新的指导思想和方法。最后给出了多个推荐公式,并进行简单的比较,有利于在实际推荐工作中酌情选择不同的推荐公式,提高商品推荐质量和推荐精度。     

基于知识的电子商务智能推荐系统平台设计

分析了传统推荐技术存在的不足,阐述了基于知识的推荐技术的特点及其发展。针对现有基于知识的电子商务推荐系统中存在的不足,提出了基于知识的电子商务智能推荐需要解决的基本问题,设计了基于知识的电子商务智能推荐平台的逻辑框架,并阐述了其工作原理。     

电子商务推荐系统评述

随着电子商务的不断发展,电子商务推荐系统的应用更加广泛。本文介绍评述了电子商务推荐系统的分类、技术、发展趋势等。     

基于聚类分析的电子商务推荐系统

协同过滤技术可以通过分析客户群共同的消费品味来形成推荐。数据稀缺性问题是协同过滤技术面临的主要挑战。文章利用ROCK聚类算法提出了一种基于协同过滤技术的推荐系统模型,该模型可以有效地解决基于协同推荐的数据稀缺性问题。     

基于内容过滤的农资电子商务推荐系统

随着农业信息化的发展,农业类网站已经成为农业用户、合作社和农资公司等获取信息的重要渠道．结合中国现代化农资经营电子商务平台,提出了基于内容过滤的推荐技术,采用四元组构建用户偏好模型,引入遗忘因子挖掘和更新偏好模型,并根据产品模型和用户偏好模型的相似度向用户推荐产品．实验结果表明,基于内容过滤的推荐算法可使农资电子商务平台的产品浏览率和购买率得到提高．     

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。     

基于分立架构的系统完整性保护模型

针对现有的各类系统完整性保护方案在隔离性和可实现性的融合上的不足,提出一种兼顾隔离性和可实现性的基于分立架构的系统完整性保护模型。对多核CPU架构做较小改动,添加特权主核及其专有的页保护安全功能扩展,达到单颗CPU下监控系统和目标系统并行隔离独立运行。监控系统运行在主核上拥有更高特权,且监控功能不需要运行在从核上的目标系统的支持。监控系统通过设置目标系统内核代码页保护、内核数据页不可执行,以及内核数据完整性扫描功能充分保障目标系统内核的完整性,而应用层的完整性则可依托自身安全内核来解决。该模型在隔离性和可实现性上达到了较好的平衡,并且使用Bochs进行的模拟验证也表明该模型能够有效保护系统的完整性。     

基于分布式数据挖掘的电子商务推荐系统①

为解决电子商务推荐系统开放性、效率和精确度问题,给出了基于分布式数据挖掘的电子商务推荐系统(BDBRS)功能结构,提出了该系统的体系结构,然后介绍了BDBRS所应用的技术和BDBRS的设计与实现,最后描述了BDBRS的部分功能模块及人机界面,验证了BDBRS的正确性和本文研究的推荐算法在效率、精确度等方面的优越性。     

可信网络中基于信誉和风险评估的动态信任模型*

针对可信网络不能有效处理恶意节点攻击的问题,综合考虑信任度评估的动态性和风险性,提出一种新的基于信誉和风险评估的动态信任模型。该模型引入惩罚机制、风险机制和推荐实体信任度更新机制,以评估信任关系的复杂性,通过构建直接信任树以存储节点的交互关系,并采用改进的回溯法寻找最佳推荐路径。仿真结果表明,该模型在有效抑制恶意节点上较已有模型有一定的改进。     

A recommendation system for repairing violations detected by static architecture conformance checking

This paper describes a recommendation system that provides refactoring guidelines for maintainers when tackling architectural erosion. The paper formalizes 32 refactoring recommendations to repair violations raised by static architecture conformance checking approaches; it describes a tool—called ArchFix—that triggers the proposed recommendations; and it evaluates the application of this tool in two industrial‐strength systems. For the first system—a 21 KLOC open‐source strategic management system—our approach has indicated correct refactoring recommendations for 31 out of 41 violations detected as the result of an architecture conformance process. For the second system—a 728 KLOC customer care system used by a major telecommunication company—our approach has triggered correct recommendations for 624 out of 787 violations, as asserted by the system's architect. Moreover, the architects have scored 82% of these recommendations as having moderate or major complexity. Copyright © 2013 John Wiley & Sons, Ltd.     

基于多重因素的个性化学习推荐系统

为解决现有学习推荐算法中存在的忽略对学生知识点掌握情况的分析、不能将知识掌握程度概率化等问题,提出一种基于多重因素的学习推荐方法。该方法综合考虑知识点的综合权重、错误率和失分率多个因素构建知识点掌握概率模型,并应用所提出的策略实现一个在线的个性化学习推荐系统。系统评估上对200名高中生进行了一项调查,本系统推荐top-8知识点的准确率达到91.2％,◢F◣▼1▽达到78.4％。系统调查的结果显示了提出策略的有效性和可靠性。     

基于隐式评分的推荐系统研究

为解决协同过滤推荐中“稀疏”和“冷开始”问题,提高推荐精度,提出了基于隐式评分的推荐系统。首先建立项档案,采用BP神经网络模型分析用户的导航模式和行为模式,对已点击项进行预测评分,建立用户主观评价模型和用户偏好档案;然后预测用户对未点击项评分,形成比较稠密的用户预测评分矩阵,采用协同过滤推荐技术,产生有效推荐;最后提出基于项特征的谈判模型和谈判策略,支持对推荐结果的解释和客商之间的讨价还价。     

Design and performance analysis of RAID based on OSD

Today＇s SAN architectures promise unmediated host access to storage. To keep this promise, however, several issues and opportunities raised by SANs must be addressed, including security, scalability and management. Object storage, such as introduced by the NASD work, is a means of addressing these issues and opportunities. RAID using Object-Based Storage Devices is described, about which some issues are discussed and then its performance by queuing model is investigated.     

个性化推荐系统综述

信息超载是目前网络用户面临的一个严重问题,个性化推荐系统是解决该问题的一个有力工具,并受到了众多的关注和研究。给出推荐系统的定义,同时阐述了推荐系统的几项关键技术,包括用户建模、推荐对象的建模和推荐算法。后来总结了推荐系统的体系结构和性能评价指标,并尝试给出了推荐系统未来研究的重点、难点和热点问题。     

基于Mahout的新用户推荐算法的设计与实现

为了解决大数据背景下新用户因没有历史数据而导致推荐难和推荐效率低等问题,提出将基于Mahout的协同过滤算法与基于MapReduce的Top N算法相结合的技术方法,来实现新用户推荐算法,从而构建新用户推荐系统的架构,并对Hadoop Top N算法以及Mahout中协同过滤算法进行设计与实现。理论分析和实验验证表明,该新用户推荐算法在推荐效率、对大规模数据处理的伸缩性以及推荐质量上都明显优于单独使用协同过滤算法的新用户推荐。     

基于改进规则引擎的农业知识推荐系统

为了使农民更加高效的获取农业知识,提出了一种基于改进规则引擎的农业知识系统.通过深入研究规则引擎的工作原理,将其引入到农业知识推荐系统中,增加了系统的正确性和准确性,使系统能够在最恰当的时间向农民提供他们最希望得到的正确的农业知识.同时根据农业领域的特点对规则引擎进行了改进,提出了规则库的树形结构化,并采用规则文件的运行前编译方式.将改进后的规则引擎应用于农业知识推荐系统中,提高了系统的效率.     

推荐系统中推荐池的聚类算法分析

针对个性化推荐系统规模扩大而引起的实时性差、推荐精度较低等问题,提出了改进的k-均值用户聚类算法,实现对推荐系统中推荐池的压缩,将用户在不同项目簇上的评价差异作为用户距离,采用kruskal最小生成树算法生成初始聚类中心,使得初始中心靠近类中心,这样得到的聚类更符合实际.进行了算法改进前后的实验对比,结果表明,改进的聚...     

知识表示学习研究进展

新型深度学习推荐模型已广泛应用至现代推荐系统,其独有的特征——包含万亿嵌入参数的嵌入层,带来的大量不规则稀疏访问已成为模型预估的性能瓶颈. 然而,现有的推荐模型预估系统依赖CPU对内存、外存等存储资源上的嵌入参数进行访问,存在着CPU-GPU通信开销大和额外的内存拷贝2个问题,这增加了嵌入层的访存延迟,进而损害模型预估的性能. 提出了一种基于GPU直访存储架构的推荐模型预估系统GDRec.GDRec的核心思想是在嵌入参数的访问路径上移除CPU参与,由GPU通过零拷贝的方式高效直访内外存资源. 对于内存直访,GDRec利用统一计算设备架构（compute unified device architecture,CUDA）提供的统一虚拟地址特性,实现GPU 核心函数（kernel）对主机内存的细粒度访问,并引入访问合并与访问对齐2个机制充分优化访存性能;对于外存直访,GDRec实现了一个轻量的固态硬盘（solid state disk,SSD）驱动程序,允许GPU从SSD中直接读取数据至显存,避免内存上的额外拷贝,GDRec还利用GPU的并行性缩短提交I/O请求的时间. 在3个点击率预估数据集上的实验表明,GDRec在性能上优于高度优化后的基于CPU访存架构的系统NVIDIA HugeCTR,可以提升多达1.9倍的吞吐量.