基于Web挖掘的个性化推荐算法研究

个性化推荐系统是根据用户的爱好,给用户推荐符合用户兴趣的对象的一种高级商务智能平台.论文重点探讨基于用户的协同过滤算法,介绍其基本思想和工作流程,并通过高级语言C＋＋来实现三种相似度计算方法,通过实验比较得出了最佳的计算方法,并设计实现了一个电子商务个性化推荐系统原型,对其他同类网站应用个性化推荐系统具有很好的参考价值.     

面向用户偏好的个性化音乐智能推荐系统

针对当前个性化音乐智能推荐系统的用户满意度低问题,为此设计面向用户偏好的个性化音乐智能推荐系统。首先采集用户兴趣数据,采用知识本体构建用户个性化音乐兴趣模型,然后采用概率矩阵分解设计个性化音乐推荐算法,最后仿真实验测试系统性能。测试结果表明,系统推荐准确度较高,兴趣吻合度最高可达98.632%,情景吻合度最高可达99.250%,提升了下载与收藏平均精度,实时更新和推荐时延短,实时更新时延低于2 000 ms;实时推荐时延低于600 ms,系统的推荐性能与运行性能都很好。     

面向用户均衡需求的Web服务资源智能推荐方法

研究了满足用户在服务功能、服务属性和服务质量上的多层次均衡需求的Web服务资源智能推荐方法,解决了服务信息过载问题。现有服务推荐技术存在未考虑用户对服务多层次均衡需求的不足,结合Web服务资源的特点,综合考虑用户服务需求与候选服务群之间的多层次相似度,设计了综合Web服务资源的功能、属性和质量三个层次的适合度匹配算法,以及用户主观兴趣度匹配算法。通过这两个算法建立了面向用户均衡需求的个性化Web服务资源智能推荐方法,能将最大匹配度的Web服务资源推荐给目标用户。     

Method of intelligent recommendation of Web serviceresources towards users balanced requirements

研究了满足用户在服务功能、服务属性和服务质量上的多层次均衡需求的Web服务资源智能推荐方法, 解决了服务信息过载问题。现有服务推荐技术存在未考虑用户对服务多层次均衡需求的不足, 结合Web服务资源的特点, 综合考虑用户服务需求与候选服务群之间的多层次相似度, 设计了综合Web服务资源的功能、属性和质量三个层次的适合度匹配算法, 以及用户主观兴趣度匹配算法。通过这两个算法建立了面向用户均衡需求的个性化Web服务资源智能推荐方法, 能将最大匹配度的Web服务资源推荐给目标用户。     

服务器日志挖掘在电力业务系统功能推荐中的应用

提出了一种基于服务器日志挖掘的电力业务系统功能推荐服务,首先从电力业务系统服务器日志中获取用户日志数据,然后对含有"脏"数据的用户日志数据进行预处理,以适应数据挖掘与处理;接着由待处理的数据计算用户访问兴趣度,并基于改进的K均值聚类算法将用户访问兴趣度数据集划分为多个具有相近兴趣度的用户集合,最终为用户提供功能个性化推荐服务.实验结果证明该方法在实现电力业务系统信息推荐方面具有较好的效果.     

基于内容过滤的农业信息推荐系统

针对如何有效实现个性化推荐服务的问题,在农业信息推荐系统的设计过程中,采用基于内容过滤的推荐技术,提出一种新的用户综合兴趣模型。模型通过将用户背景、阅读与操作行为等因素进行综合加权,计算用户与文档的相似度,并以此向用户推荐文档。测试结果表明,提高用户阅读与操作特征在模型中所占的权重,可以有效提高推荐精度。     

教育网站个性化推荐系统中的一种用户兴趣模型的建立

用户兴趣模型用于描述用户的个人信息、专业背景、偏好倾向和历史行为等，通过这些信息，系统可以发现和预测用户的信息需求，从而对用户进行个性化的信息推荐服务。用户兴趣模型是影响推荐系统服务效率的重要因素，因此针对用户兴趣进行建模是个性化推荐系统实现中要重点考虑的问题之一。本文从教育网站用户对象特点出发，提出了将用户兴趣分为固定兴趣与临时兴趣相结合的动态模型：     

基于用户兴趣和兴趣点流行度的个性化旅游路线推荐

针对传统的旅游路线推荐算法推荐准确率不高的缺陷,提出一种基于兴趣点(POI)流行度和用户兴趣偏好的个性化旅游路线推荐(PTIR)算法。首先通过分析得到用户真实的历史旅游足迹;然后根据用户在每个景点的逗留时间提出基于时间的用户兴趣偏好;最后在给定的旅行时间限制、起点和终点下,设计最优旅游路线计算方法。在Flickr社交网站的真实数据集上进行实验,结果显示,相比传统的只考虑POI流行度的算法,该个性化旅游路线推荐算法的准确率和召回率都有较大提升;相比只考虑用户兴趣偏好的算法,该个性化旅游路线推荐算法的准确率和召回率也有所提高。实验结果表明综合考虑POI流行度和用户兴趣偏好能使路线推荐得更准确。     

基于大数据分析的中医药信息个性化推荐系统

为解决中药智能推荐存在的稀疏性和扩展性问题，设计基于大数据分析的中医药信息个性化推荐系统。首先采集患者中药历史用药数据，并保存到存储器当中，利用处理器运行改进后的协同过滤算法，检索相关中医药信息，最后将结果反馈给目标用户，实现针对目标用户的个性化推荐。结果表明：设计系统的推荐覆盖指数较高，说明稀疏性问题得到了改善，提高了个性化推荐质量；随着最近邻居个数增加，系统中改进后个性化推荐算法的执行时间复杂度减小，说明扩展性问题得以改善。     

采用Sigmoid函数的Web服务协同过滤推荐算法

协同过滤推荐技术被广泛用于各个推荐系统,但它仍然存在着用户评分数据稀疏性问题,可能导致推荐结果不准确。针对该问题,提出了一种采用Sigmoid函数的协同过滤推荐算法。首先,分析用户兴趣与其调用服务的次数之间的关系,利用TF-IDF算法计算用户对服务内容的兴趣度;其次,定义一个Sigmoid函数,根据服务调用次数计算用户对服务功能的兴趣度;最后,基于内容兴趣度和功能兴趣度计算用户兴趣相似度完成协同过滤算法,实现个性化的服务推荐。实验证明,该方法能有效缓解数据稀疏性问题,提高了推荐质量。     

教育网站个性化推荐系统中的一种用户兴趣模型的建立

用户兴趣模型用于描述用户的个人信息、专业背景、偏好倾向和历史行为等,通过这些信息,系统可以发现和预测用户的信息需求,从而对用户进行个性化的信息推荐服务.用户兴趣模型是影响推荐系统服务效率的重要因素,因此针对用户兴趣进行建模是个性化推荐系统实现中要重点考虑的问题之一.本文从教育网站用户对象特点出发,提出了将用户兴趣分为固定兴趣与临时兴趣相结合的动态模型.     

智能图书系统中的个性化推荐

互联网时代的到来造成知识的“过度”传播,知识点的分散和无组织使得有系统学习要求的用户无从下手,用户对专业知识的查找、学习变得困难,如何面向用户实现个性化的知识推荐是智能图书系统中需要解决的关键问题之一. 本文利用上下文偏好提取技术,获取用户的兴趣度. 在基于用户的协同过滤推荐算法和基于项目的协同过滤推荐算法的基础上引入时间加权因子,较好地解决了对新用户推荐时产生的“冷启动”问题,实现了服务推荐结果的个性化.     

基于电子商务的个性化推荐系统研究

在电子商务环境中,实现个性化服务,理解用户兴趣就成了提供个性化服务的关键任务。因此,建立用户兴趣模型和构建推荐库就成为个性化推荐系统的实现基础。论文通过网络爬虫获取到相关的网页,进行预处理后,采用SVM（支持向量机）分类文档建立推荐库。通过对用户访问路径、搜索关键字等分析,获取用户兴趣,采用向量空间模型表示用户兴趣,利用机器学习构建用户兴趣模型。在推荐库和用户兴趣模型的基础上,加入推荐引擎,实现了基于电子商务的个性化推荐系统。     

基于用户兴趣三维建模的个性化推荐算法

针对推荐系统中用户的个性化需求,提出一种基于用户兴趣三维建模的个性化推荐算法.通过分析用户行为数据,从兴趣广度、兴趣深度和兴趣时效3个角度分析用户的兴趣构成,对用户兴趣进行三维建模,并在此基础上,逐步添加维度,设计用户之间兴趣相似度的三级计算方法.在真实推荐系统数据集上的实验结果表明,用户兴趣三维模型比一维模型、二维模型更能准确地表征用户兴趣,基于用户兴趣三维建模的个性化推荐算法能够提高个性化推荐的准确率.     

基于加权动态兴趣度的微博个性化推荐

针对微博信息量大、用户兴趣随时间变化特征,提出一种基于加权动态兴趣度(WDDI)的微博个性化推荐模型。WDDI模型考虑微博转发特征,并引入时间因子,利用微博主题模型基于转发的狄利克雷分配(RT-LDA)对用户微博进行研究,建立用户对主题的个体动态兴趣模型。通过用户与其关注用户的相似度和交互频率获取用户的群体动态兴趣,将用户个体兴趣与群体兴趣加权结合得到加权动态主题兴趣模型。对用户接收的新微博按动态兴趣度降序排列,实现微博动态个性化推荐。实验表明,WDDI模型较之传统推荐模型,在微博服务中能够更准确地反映用户动态兴趣。     

WEB个性化服务中的协作过滤技术的研究

了解用户兴趣是实现WEB个性化服务的基础.本文提出一种新的用户兴趣度计算方法,并在此基础上实现基于兴趣度的协作过滤.该方法通过寻找相似用户群体,由相似用户群体来预测用户对某一WEB文档的喜好,并进行推荐,从而实现WEB个性服务.实验结果表明,该方法能提供较好的WEB个性化服务.     

基于隐性反馈的自适应推荐系统研究

介绍个性化自适应推荐系统的整体架构与设计方法。阐述用户兴趣模型的建立,包括对用户个性化信息的收集、精炼处理、模糊语意处理、解模糊化及满意度计算。引入模糊自适应共振理论网络进行项目聚类分析,并进行推荐处理,实现自适应推荐服务。实验结果表明,系统对用户兴趣判断比较准确,能及时掌握用户兴趣偏移,推荐效果良好,且基本稳定。     

基于用户需求的旅游路线推荐方法

为解决旅游路线推荐中个性化程度不高的问题,提出一种基于用户需求的旅游路线推荐方法.通过获取用户分享的景点照片与游玩时间,综合考虑景点热度、用户偏好和访问时间等用户需求,为用户推荐得分最高的景点,在此基础上建立融合时间与费用约束的旅游路线推荐模型,针对该模型设计内嵌混沌扰动和方差判定准则的模拟退火求解算法.实验结果表明,该方法满足了不同用户的旅行需求,提高了旅游景点推荐的准确性,为实现旅游路线个性化推荐服务提供了一种技术和方法.     

一种基于用户行为的兴趣度模型

个性化推荐技术在电子商务系统中得到了广泛应用。针对现有的用户模型不能根据用户自身兴趣实现推荐的问题,提出了一种基于用户行为的兴趣度模型,分析用户的行为模式,结合用户的浏览内容,发现用户兴趣。在此基础上采用期望最大化算法实现用户聚类,将用户划分到对应的簇,创建用户的兴趣度模型,从而向用户进行个性化推荐。实验对比结果表明,该模型能更好地发现用户当前的购买兴趣,从而进一步提高个性化推荐精度和用户满意度。     

基于Web内容和日志挖掘的个性化网页推荐系统

目前的网页推荐服务大都是基于对查询关键词的匹配来实现的,缺乏自动提取用户兴趣并进行推荐的能力。本文设计和实现了一个基于Web内容和日志挖掘的个性化网页推荐系统Webpage-recom- mender,该系统采用特征提取技术,能自动识别用户的兴趣,并主动推荐和筛选与用户兴趣主题相关的网页。实验结果证明了该系统的有效性。