基于用户模型的个性化推荐系统影响研究

个性化推荐技术是当前研究热点之一。文章首先对常见推荐技术进行分析,再从基于内容的推荐技术、协同过滤推荐技术以及对推荐结果的解释等三个方面进行分析,然后提出用户模型是个性化推荐技术的基础,最后指出提高用户模型的质量是提高推荐系统的重要途径。     

基于用户行为的网站推荐系统模型

网上营销的难点是如何寻找潜在客户。识别用户行为是一个复杂的过程,建议采用二维模型来寻找相关的项目,然后推荐给用户。但太多不相干的建议转化为用户信息过载问题。本研究的目的是在每个维度中找出已被用户搜索的项目／对象,最受好评的每个维度中的项目可给予建议。要做到这一点,我们采用张量,它可以有效地模拟多维Web日志中的用户搜索数据,然后确定在每一个搜索维度上的用户模型。所有的评估均基于真实数据集,这清晰地显示出比其他广泛使用的向量和矩阵方法的有效性。     

面向NGB互动电视业务的用户消费偏好智能推荐模型设计与实现

高清、互动是下一代广播电视网(NGB)建设过程中的一个关键主题,NGB互动电视业务是“三网融合”时代广电运营商的主推核心业务,然而从用户体验和业务运营的角度出发,如何在海量媒体内容中挖掘和引导用户潜在需求,是关键环节.本文从现网运营的用户交易数据和媒体资源属性信息数据入手,挖掘用户个性化服务消费偏好,设计基于用户消费偏好的智能推荐模型,探讨了在现网系统的基础上集成应用智能推荐系统的方法,并进行了示范应用.希望能为各广电运营商在NGB互动电视业务中应用智能推荐技术提供参考.     

基于用户画像的课程学习视频推荐系统研究与设计

文章面向在线教育,研究并设计一种课程学习视频的推荐系统。由于线上学习资源冗杂繁多,且缺乏规范化构建和系统化管理,学习者难以精准获取满足其个性化需求的课程学习视频。文章通过数据挖掘技术获取用户数据后构建用户画像并进行相似用户群体识别,再利用推荐算法实现课程学习视频与用户之间的精准匹配。实验结果表明,该文推荐系统可以有效解决人们在选择学习资源时产生的“信息迷航”和“信息过载”等问题,能够有效满足用户个性化学习需求并为用户提供个性化学习路线。     

基于用户兴趣模型的个性推荐算法

协同过滤推荐技术和基于商品属性的推荐技术是比较流行的个性化推荐方法,但是前者存在数据稀少和新对象问题,后者也存在无法挖掘用户潜在兴趣的问题.本文采用基于区域用户的相邻用户进行数据评分的矩阵填充,并采用商品之间的关联规则应用和解释来向用户推荐产品.测试表明,本方法解决了新商品的问题,并且在推荐的准确度、新颖性和覆盖度上有了较好的效果.     

融合用户行为序列预测的混合推荐算法

对于用户行为序列中隐藏用户兴趣的捕捉是近年来推荐算法研究的热门方向。传统的序列预测模型使用用户最后一次点击的商品为目标,建立用户行为和目标商品间的关联,并没有充分挖掘用户序列间的先后关系。文中在传统的DIN模型的基础上进行了改进,采用一段时间内的连续行为作为目标向量,使用transformer结构完成序列到序列的预测任务,进一步提取和利用了用户行为序列中的用户深度兴趣,并将其作为辅助特征结合DIN进行推荐。在亚马逊图书数据集和电子数据集上的实验结果表明,文中提出的基于DIN混合推荐模型比原DIN模型的AUC指标分别提升了约0.7%和1.9%。由此可知,基于用户行为序列预测的混合推荐可以在多特征推荐系统中起到一定的辅助作用。此外,文中还对用户序列长度对模型结果造成的影响进行了探究。     

基于LDA用户兴趣模型的远程教育课程推荐方法研究

传统的远程教育课程推荐方法因数据稀疏问题,造成其主题集中性较差,为此设计基于LDA用户兴趣模型的远程教育课程推荐方法。通过远程教育课程外在属性包容度和内在属性质量值,计算远程教育课程的重要度,并以重要度为依据,利用LDA用户兴趣模型判断用户对主题的偏好度,确定主题与远程教育课程的相似度系数,获得用户对远程教育课程的兴趣度,以此为基础完成远程教育课程的推荐。实验结果表明:使用基于LDA模型的推荐方法向用户推荐的课程有50%以上都是用户需求的课程,而传统的推荐方法只有不到20%,两者相比,基于LDA模型的推荐方法的主题集中性更强,更适合应用在远程教育课程推荐中。     

交互式电视中个性化推荐系统的研究

旨在分析研究如何把个性化推荐系统引入交互式电视中加以应用。概括介绍了个性化推荐系统的功能架构和组成要素,重点对几个主流的推荐算法进行分析和对比,总结了交互式电视中个性化推荐技术研究的重难点,分析了个性化推荐系统在未来交互式电视中的应用以及可能的研究方向。     

Joint recommendation algorithm based on tensor completion and user preference

Aiming at the problem that existing recommendation algorithms have little regard for user preference,and the recommendation result is not satisfactory,a joint recommendation algorithm based on tensor completion and user preference was proposed.First,a user-item-category 3-dimensional tensor was built based on user-item scoring matrix and item-category matrix.Then,the Frank-Wolfe algorithm was used for iterative calculation to fill in the missing data of the tensor.At the same time,a user category preference matrix and a scoring preference matrix were built based on the 3-dimensional tensor.Finally,a joint recommendation algorithm was designed based on the completed tensor and the two preference matrices,and the differential evolution algorithm was used for parameter tuning.The experimental results show that compared with some typical and newly proposed recommendation algorithms,the proposed algorithm is superior to the compare algorithms,the precision is improved by 1.96% ~ 3.44% on average,and the recall rate is improved by 1.35%~2.40% on average.     

基于云计算的视频推荐系统的设计

通过对现有视频网站的调查研究,发现大部分都存在信息过载的问题。所以对视频网站来说拥有推荐系统是有必要的。通过对现有视频推荐系统的分析研究,利用开源云计算技术—Hadoop,及其部分相关组件Hive、Hbase等,设计了一种基于云计算的个性化视频推荐系统,此系统仅适用于以专业视频为主的网站。     

UAV deployment and caching scheme based on user preference prediction

In order to design an efficient edge caching policy considering spatial heterogeneity and temporal fluctuations of users’ content requests,a proactive caching scheme was proposed with UAV’s deployment location design based on user preference prediction.Firstly,each user’s preference characteristics were predicted based on file similarity and user similarity,and the request time and user location were also predicted when a content request occurs.Thereafter,on the basis of the predicted geographical location,request time and user preference,each UAV’s deployment location and the corresponding content placement were determined by virtue of clustering method based on SOM and AGNES.Simulation results show that the proposed scheme outperforms other three comparison schemes in terms of hit ratio and transmission delay.Furthermore,the results also reveal that content preference is correlated with different user features by different weights.Accordingly,different impact weights should be matched with different user features.     

基于Web挖掘的电子商务推荐系统研究

基于Web挖掘的个性化推荐技术已在电子商务网站取得了较为广泛的应用,但在具体的过程中还存在较多的问题。文章首先从电子商务中的数据源和Web挖掘技术出发,介绍当前推荐系统的应用技术,分析现有的电子商务个性化推荐系统的优点及存在问题。提出了建立多模块个性化推荐和基于隐私保护模块的电子商务个性化推荐系统,并针对不同用户类型采用不同的推荐策略,实现完全个性化推荐系统。     

基于特征分析的微博用户兴趣发现算法

本文在综合兴趣模型研究现状的基础上,结合微博数据集对微博用户的特征进行分析,建立微博用户兴趣模型,并提出基于微博用户兴趣模型的发现算法。实验结果表明,本文提出的算法能很好的发现微博用户的兴趣,提高推荐系统的质量。     

基于电视节目内容检索的广播电视系统

借鉴ＶＯＤ的服务思想、以现有广播电视网及其配套系统为基础，提出了基于内容检索电视节目的广播电视系统。该系统改变了电视服务方式，可与其它广播电视网的数据服务相兼容，具有成本低，易于实现的特点。     

用户反馈和模式识别相融合的机器翻译优化研究

目前机器翻译无法进行高质量翻译,以提升机器翻译译文质量为目标,提出了用户反馈和模式识别相融合的机器翻译优化方法.首先提取不同用户置信度特征,建立用户置信度评价模型,通过评价模型区分不同用户反馈的翻译内容,将置信度评价结果较高的机器翻译结果利用模式识别算法进行优化,通过搜索算法判断关键词是否属于椭球公式,符合要求的关键词...     

基于工作流的WJDST电视台管理信息系统

将工作流技术应用于电视台管理信息系统,介绍了工作流技术,描述了设计的WJDST电视台管理信息系统。对每一家电视台来说,新闻节目管理及摄录设备的管理都占有主导地位。用工作流技术对新闻节目及摄录设备的管理中的业务流程定制、流程实例创建、流程执行及流程进展查询等方面进行了研究设计,提高了软件系统的效率及实用性、健壮性。     

基于二分网络的用户聚类电影推荐系统构建

针对已经存在的推荐算法中数据的稀疏性问题,提出一种基于聚类算法的二分图信任网络构造算法,通过聚类技术把项目评分相似的用户聚集起来,形成若干个用户群组,在每个群组内部通过二分图建立连接,利用信任机制在群组内部和群组间建立连接,进而构造出推荐系统.实验是在MovieLens数据集上进行的,采用平均绝对误差(MAE)为评测指标,验证了方法的有效性,从而得出该系统使得数据稀疏性对最终推荐结果的负面影响变小.     

移动用户目标系统中基于拍卖模型的信道资源分配

为了提高卫星通信信道的频谱利用率,从卫星通信中的认知无线电技术出发,简述了当前认知卫星研究现状。针对移动用户目标系统( Mobile User Objective System,MUOS)的特殊通信环境,提出了插空式( overlay)频谱共享方式下基于拍卖模型的认知卫星信道分配方式,并建立了收益公式。同时,引入星上频谱共享干扰公式来计算认知用户对系统造成的影响,并代入收益公式以计算认知技术给系统带来的收益大小;之后给出模拟通信环境参数,利用Matlab进行仿真计算。仿真结果表明,认知用户的加入虽会使主用户通信质量略有下降,但使系统总体收益呈上升趋势。