基于大数据的个性化音乐推荐系统

中国移动无线音乐作为无线电子商务领域中最成功的应用,已发展到一个较为成熟的阶段,但同时也面临着提升用户活性并进一步扩大音乐用户量的困难.基于大数据的个性化音乐推荐系统以进一步促进全网音乐业务发展为目标,通过对系统中所有的音乐物理文件和保存的海量用户行为记录进行分析,得出用户的兴趣偏好,向用户推荐个性化的音乐服务内容.     

基于大数据的电子商务个性化信息推荐服务模式研究

借助于电子商务网站虽然能够给用户们提供比较多的产品以及服务,但是也让用户们寻求符合自身需求的产品信息难度得到了一定程度的提升,为了使得企业自身的市场竞争能力得到提升,也就需要构建一个基于大数据的电子商务个性化信息推荐服务模式,来为用户们提供更加优质的信息服务.     

基于数据挖掘的移动用户个性化推荐系统研究与设计

通过数据挖掘方法提取用户感兴趣的资源信息,可以实现移动用户的个性化推荐。在此设计基于数据挖掘的移动用户个性化推荐系统,构建移动用户个性化推荐的评价指标体系,通过自适应学习控制进行资源池数据挖掘,采用虚拟仪器软件结构设计方法设计移动用户的个性化推荐系统的底层函数库,对移动用户个性化推荐系统的I/O接口进行软件设计,设计个性化推荐系统的程序驱动和底层函数库,实现移动用户个性化推荐系统的软件的优化设计。实验结果表明,该系统进行资源池中的数据挖掘和移动用户的个性化推荐,数据关联属性的匹配度较高,提高了推荐的准确性和关联性,系统可靠稳定。     

大数据背景下个性化音乐推荐方案探究

随着移动互联网和云计算等技术高速发展,网络音乐库数量和种类呈现爆炸式增长,这使得面向音乐数据源的大数据分析需求应运而生。文章针对热门的个性化音乐推荐服务,初步探讨了基于大数据挖掘的概念性方法,并且研习了一种个性化音乐推荐方案。     

基于数据挖掘的个性化高校选课推荐算法研究

通过分析当前高等学校选课机制存在的不足,将数据挖掘技术引入学生选课环节,并建立基于协同过滤算法的个性化高校选课推荐系统模型,使得学生能够科学地,并根据自己的所学专业,兴趣、学习程度,选择适合自己的课程、教师以及学习量,为学生有效地学习和个性发展提供机会。     

一种基于运营商大数据的内容个性化推荐模型

为了充分利用运营商的大数据资源给内容产品用户推荐个性化内容,设计了一种基于运营商大数据的内容个性化推荐模型。模型基于偏好分析以及双层关联规则为用户推荐内容,不仅利用了产品运营数据,而且充分利用了通信网Gn口的DPI解析数据,提高了产品运营效率以及个性化推荐的效果。     

基于大数据挖掘技术的IPTV智能推荐系统的设计与实现

智能推荐是目前IPTV互联网电视的一个新兴功能,智能推荐的使用能够大大提升用户的使用感受,并快速找到符合用户需求的内容。本文利用大数据挖掘技术搭建计算模型,通过采集用户的行为数据进行数据治理和数据分析,从而实现不同用户收视需求的适配、媒资内容的适配以及栏目位的适配,经过不断优化算法,实现持续推荐合适的媒资内容。     

游戏大数据平台研究与实践

立足于游戏平台数据快速处理需求,构建基于分布式+关系数据混合多元的大数据处理架构,针对高价值密度的结构化数据采用关系数据处理;大量无序的非结构化数据采用分布式机制处理.两种类型数据实现有序化后,统一交予传统关系数据库构建关系化模型并展示,既能实现关键经营分析数据的高效处理,又能满足无序的日志数据规模化处理需求.通过剖析其总体架构、主要功能和关键技术,从而为其他业务平台大数据分析建设和改造提供借鉴和参考.     

基于隐式反馈数据的个性化游戏推荐

现有推荐系统通常采用评分、评论等显式反馈数据实现个性化推荐.然而,显式反馈数据由于在实际中难以获取或因质量问题而往往变得不可用,从而导致相关推荐算法的应用范围受到很大限制.与此相反,诸如点击行为、浏览记录等隐式反馈数据在现实中大量存在.本文提出了一种面向游戏玩家的基于隐式反馈数据的游戏推荐方法.该方法综合考虑了玩家操作次数、操作时长等隐式反馈数据及其时效性,构建了基于伪评分的玩家对游戏的偏好模型,而后通过改进了的SVD++（Singular Value Decomposition++）算法实现个性化游戏推荐.在大规模真实数据集上的实验结果表明本文提出的方法具有更高的推荐精确率和召回率.     

基于云计算的大数据挖掘平台

开发了一个基于云计算的并行分布式大数据挖掘平台——PDMiner.PDMiner实现了各种并行数据挖掘算法,如数据预处理、关联规则分析以及分类、聚类等算法.实验结果表明,并行分布式数据挖掘平台PDMiner中实现的并行算法,能够处理大规模数据集,达到太字节级;具有很好的加速比性能;实现的并行算法可以在商用机器构建的并行平台上稳定运行,整合了已有的计算资源,提高了计算资源的利用效率;可以有效地应用到实际海量数据挖掘中.在PDMiner中还开发了工作流子系统,提供友好统一的接口界面方便用户定义数据挖掘任务.     

基于数据挖掘的个性化智能推荐系统应用研究

在当前家庭数字化日趋普及的环境下,为了给用户提供一种智能型、个性化的多媒体内容推荐服务,通过研究协同式信息过滤技术,结合数据挖掘技术,设计并实现了一个智能型、个性化的多媒体推荐系统。系统可以根据用户的使用习惯、使用时间、使用环境以及最近选择的项目进行分析,进行判断后列出最优推荐资源。系统通过研究个人信息的自我学习技术、个性化特征分析技术以及多媒体内容的搜寻技术,将上述技术应用在推荐服务系统中,具有一定的实际意义。     

基于大数据平台的企业级经营分析系统建设探讨

针对现有经营分析系统（BASS）存在的短板,整合企业各域数据,优化系统架构,采用大数据技术构建企业级经分系统,提高资源利用率,并通过逐步解耦数据及应用,逐步开放能力平台,充分发挥数据价值,支撑公司全面发展运营。     

大数据在音乐推荐质量提升中的实践及应用

基于音乐推荐的应用实例,探索和实现了大数据如何提高推荐质量的过程及方法.提出通过建立基于RFM模型的用户歌曲综合评分体系,在推荐算法中引入项目稀疏度、重叠度、可信度概念作为调整因子,在混合推荐时引入飙升词、内容标签和二次规则过滤等组合方法以解决推荐系统面临的常见问题,为大数据应用提供具体的参考和指导.     

基于大数据分析的中学生身心素质监测与评价

针对学校传统身心素质教育难以满足全面分析评价中学生身体和心理素质状况、提升学生锻炼身心素质的积极性、让教师和家长实时了解学生身心素质状况、并为学生身心素质锻炼和体育考试提供个性化指导的问题,文中采用大数据分析技术,研究了中学生的身心素质评价方法和个性化锻炼方案推荐方法,设计并实现了可分别为学生、教师和家长提供服务的基于移动终端的中学生身心素质监测与评价系统“青悦圈”。青悦圈的定点试验结果表明,其能够解决现有问题,满足中学生身心素质教育新需求。     

从流量经营到大数据经营

把"流量"的客观属性归纳为规模性、层次性、异质性和不可分性,揭示了流量巨大的潜在价值。基于电信运营商现有流量经营模式的分析,发现"面向手段性需求"、"无直接网络效应"和"边际成本下降有限"3大缺陷是流量经营价值困境的根源。在辨别"大数据"与"流量"内在联系的基础上,提出大数据经营模式并进行基于类比、场景勾画和理论分析的相关阐述,包括电信运营商和OTT在内的大数据经营者们,将经历消费平台、垂直平台和公共平台3个演化阶段,最终成为大数据公共平台运营商。最后,对电信运营商向大数据经营转型提出一些建议。     

构建基于大数据的电信产品研发和运营体系

随着大数据时代的来临,电信运营商已经认识到数据是企业最重要的战略资源,能否管好、用好数据成为未来跨行业竞争成败的关键。分析了电信运营商现有产品研发和运营体系中存在的问题以及大数据时代影响电信运营商产品研发方向和运营布局的重大变化,提出了基于大数据的数据产品化的新理念重构电信运营商产品研发和运营体系的思路,最后对构建基于大数据的电信产品研发和运营体系给出了举措建议。     

基于大数据分析的移动互联网用户感知评估系统

随着移动通信网络的逐渐演进和智能终端的迅猛发展,移动互联网业务层出不穷,竞争非常激烈,而让用户获得良好的业务感知成为在竞争中胜出的关键.移动互联网用户感知评估系统针对移动互联网各项主流业务搭建了一套用户感知评估体系,为每项主要业务设计了一套KQI(key quality indicator)以及具体的识别、提取、计算方法.利用用户感知评估系统对海量数据分组的大数据分析还原复现了用户的业务行为,并从各个维度计算获得了各项KQI的得分,实现了全面、及时、准确地评估移动互联网业务用户感知,从而为网络运营商和移动互联网公司提供高附加值的数据支撑.