基于模糊兴趣集和智能Agent的推荐系统模型研究

提出了一种结合用户模糊兴趣和智能多Agent的电子商务推荐系统模型,利用智能Agent获取用户对产品属性的喜好度和相应权重,依此建立起清晰的用户兴趣模型.在智能多Agent技术下建立一种多属性综合评价机制,采用逼近理想解法(Topsis法)对候选产品进行实时处理,并根据排序结果产生Top-N推荐.     

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。     

基于模糊描述逻辑的个性化推荐系统建模*

为了解决现有个性化推荐系统中缺乏对模糊语义信息处理的能力,本文建立模糊语义推荐系统模型,使用模糊描述逻辑实现了该模型,并给出了推荐算法。在实现模型的过程中引入了两条规则实现了概念层次关系在的兴趣程度和关联程度上的传递。最后通过实例证明,通过将用户的兴趣和待选资源的相关概念在语义层面进行适当的扩展,模糊语义推荐系统模型能更准确描述用户的兴趣并产生更多符合用户兴趣的推荐项目。     

基于隐性反馈分析的个性化推荐研究

针对目前典型电子商务推荐系统中存在的问题,提出了一种基于隐性反馈的信息分析处理方法,详细阐述了系统收集和处理用户个性化信息进行模糊语意分析,从而建立用户兴趣模型的过程.对实验数据的分析表明,该模型实现了推荐系统对用户兴趣的较准确判断,同时能及时有效地掌握用户兴趣偏移,从而改善用户体验,增加用户黏性,进而提高商务网站交易量.     

基于多兴趣Agent的信息检索模型的研究

基于agent的信息检索系统在海量网络信息检索中已经得到广泛的应用.提出了一个基于多兴趣agent新的信息检索模型,该模型对查询信息进行了兴趣预测并生成了用户兴趣项权重向量.实验表明,模型在预测用户兴趣的效果和推荐搜索信息的准确率方面比传统的单兴趣Agent检索系统IRHOIA有一定的改善.     

个性化信息检索系统中用户兴趣模型的建立

个性化检索系统通过收集和分析用户信息来学习用户的兴趣和行为,从而实现对用户的个性化的信息推荐服务。而用户兴趣模型正是用户和兴趣的信息模型,用户兴趣模型直接影响到个性化的信息服务。     

基于跨系统的个性化搜索系统模型设计

用户模型的建立和动态更新,是实现个性化搜索的基础和核心。通过采用Multi-Agent技术对跨系统的个性化搜索系统进行设计,采用交互式Agent初始化单系统用户模型,使用动态跟踪用户兴趣Agent和历史记录检索Agent来更新用户模型,并利用SUM模型建立跨系统的用户模型。最后利用产生的用户兴趣文件作为查询优化Agent和结果优化Agent的判别依据来提高跨系统搜索的个性化。     

移动端个性化旅游推荐系统模型设计

本文在基于现有的个性化推荐研究基础,提出了用户情境和文本内容组合推荐的方法,并构建了用户兴趣矩阵模型,设计了一套个性化推荐系统。本系统可以依据移动用户的偏好为用户提供推送服务。该系统由移动端及云平台服务器构成,移动端对用户信息进行采集,并展示推荐数据;服务器端收集来自移动端的数据,展开数据分析,构建用户兴趣模型,结合文本处理技术获取推荐内容,推送给移动用户。     

基于兴趣标签的个性化新闻推荐系统

随着互联网的飞速发展所带来的“信息过载”问题使准确的新闻推荐技术变得越来越重要。提出基于兴趣标签的个性化新闻推荐系统,利用Hadoop大数据平台,采用基于项的协同过滤算法,通过收集用户的浏览记录和兴趣标签,挖掘用户的主题兴趣,建立用户的兴趣模型,提高个性化推荐系统的准确性和可扩展性,具有良好的推荐效果。     

一个基于VSM的个性化信息推荐系统

为了帮助用户从Internet上方便地获得信息，针对Proxy用户环境设计了一个信息推荐系统。先通过Proxy日志挖掘获得用户兴趣，再根据向量空间模型为用户生成兴趣特征，并据此对用户进行信息推荐。系统通过服务评估和反馈来保证信息推荐的质量。     

基于标签、得分和偏好时效性的项目推荐方法

网络信息的爆炸式增长使得推荐系统成为一项研究的热点。现存的推荐系统在实际运营中存在各自的缺陷。在web2.0环境下,标签、项目得分以及用户标注项目的时间均包含暗示用户偏好的重要信息,这些信息对提高推荐系统准确度是十分重要的。在借鉴协同过滤思想的基础上,提出综合考虑标签、项目得分和用户偏好时效性的项目推荐模型,并对此模型的体系结构及应用前景进行了分析。     

面向个性化云服务的动态信任模型

为更好地实践云计算为用户提供廉价按需服务的宗旨,满足服务请求者的个性化需求,提出一种面向个性化云服务的动态信任模型。基于细粒度服务思想定义个性化云服务,通过引入时间衰减因子和建立高效激励机制修正直接信任值,以灰色系统理论为基础计算实体间的评价相似度,并将评价相似度和推荐者的推荐可信度作为合成推荐信任值的重要因素,同时提出一种基于评价相似度的自信因子赋值方法,以提高合成综合信任值的准确性。实验结果表明,与GM-Trust模型及CCIDTM模型相比,该模型的交互成功率分别平均提高了4%和11%。     

基于客户喜好的双向个性化推荐算法

为了解决现有推荐算法仅考虑同类产品间单向推荐所缺乏的灵活性,提升产品的销量及用户的购物体验,提出一种基于客户喜好的双向个性化推荐算法,不仅可以为客户精准推荐产品,还可以为商家推荐潜在客户.首先,基于产品购买网络中客户及其邻居的购买信息,扩展客户购买信息;其次设计客户产品喜好权重计算办法,分析客户的购买喜好,并在客户喜好的指导下为客户提供个性化的产品推荐;最后,基于商家提供的样本客户,挖掘与样本客户相似的客户构成社区,为商家提供潜在客户推荐以及精准客户维护.在真实数据集上的实验验证了算法的有效性.该算法从客户和商家两个维度出发实现了产品与客户的双向推荐,为个性化推荐领域的研究提供有益的帮助.     

电子商务个性化推荐系统的构建

针对电子商务环境下,客户需求日趋差别化,构建个性化推荐系统,进而阐述该系统的功能及工作流程,并具体分析系统的结构,旨在更为有效地为客户推荐其所需信息。     

基于服务推荐的MRO运营管理平台系统构建研究

越来越多的MRO工业品供应商意识到MRO采购与服务信息化的重要性,纷纷开始选择开发运营管理平台系统,因此MRO运营管理平台系统的构建日益得到行业用户的重视.针对MRO产品经销商的销售与行业特点,通过深入调研现有的几大MRO工业品电商运营模式,结合企业实际现状,与现有ERP系统互补,采用MVC模式为MRO销售企业的线上销...     

移动电话内容服务系统的个性化推荐

移动电话内容服务系统允许移动用户通过移动互联技术浏览、购买和下载系统内容,是当前移动增值领域研究的热点。具有较强的时空灵活性,但在信息浏览、查找方面存在明显的局限性。提出了一个基于移动电话内容服务系统的个性化推荐系统．介绍了从寻找目标用户到实现推荐的全过程。实验结果表明。所介绍的个性化推荐系统可以有助于解决内容服务系统用户访问受限、资源迷茫的问题。     

A hybrid recommendation system considering visual information for predicting favorite restaurants

Restaurant recommendation is one of the most interesting recommendation problems because of its high practicality and rich context. Many works have been proposed to recommend restaurants by considering user preference, restaurant attributes, and socio-demographic behaviors. In addition to these, many customers review restaurants in blog articles where text-based subjective comments and various photos may be available. In this paper, we especially investigate the influence of visual information, i.e., photos taken by customers and put on blogs, on predicting favorite restaurants for any given user. By considering visual information as the intermediate, we will integrate two common recommendation approaches, i.e., content-based filtering and collaborative filtering, and show the effectiveness of considering visual information. More particularly, we advocate that, in addition to text information or metadata, restaurant attributes and user preference can both be represented by visual features. Heterogeneous items can thus be modeled in the same space, and thus two types of recommendation approaches can be linked. Through experiments with various settings, we verify that visual information effectively aids favorite restaurant prediction.     

基于Web数据挖掘的B2C推荐系统的设计

电子商务相对传统贸易具有成本上面的优势。随着互联网的普及,电子商务的一种重要分支,企业对个人的电子商务（BUSINESSTOCUSTOMER,B2C）被越来越多人们接受和使用。但是互联网上的信息量非常巨大,普通消费者往往不知道如何才能买到自己心仪的商品。利用WEB数据挖掘的相关技术,设计了一个可以在B2C贸易中推荐优惠商品给用户的系统。     

基于用户话题偏好的社会网络二级人脉推荐

社会网络（SNS）用户的社交圈和人脉关系研究多采用图论的知识,对社会网络关系图的节点和边进行探讨,没有考虑到用户自身的兴趣偏好,因此提出了一种基于用户话题偏好的二级人脉推荐方法。利用文本挖掘的相关技术和最小均方误差（LMS）算法,把抓取到的用户话题数据合理地转化为用户话题偏好特征向量,用相似度度量方法来计算用户之间的相似度,以确定与用户话题偏好最相近的用户集,并完成用户的二级好友推荐。实验表明,推荐的二级好友采纳率达到70%。     

Soccer shoe recommendation system based on multitechnology integration for digital transformation

Designing a soccer shoe that fits specific customer’s requirements can improve satisfaction. However, there is no sufficient information to bridge the semantic needs and design characteristics of soccer shoes. Hence, this study is aimed at integrating multiple technologies with semantic customer requirements, shoe-form categories, and appearance designs, and developing a practical Kansei soccer shoe recommendation system. The psychological responses of a customer and perceptions of soccer shoe products are evaluated using Kansei engineering method. Based on a factor analysis, customers’ requirements are classified as aesthetic, functional, and comfortable. A total of 203 soccer shoe images were used to evaluate and categorise the external shoe form into nine design elements using the Kawakida Jirou method, and the weight assigned to each shoe-form category under Kansei semantic adjectives was determined using grey system theory. The quantification theory Type 1 method was used to determine the priority of the design elements. The results indicate that 10 pairs of semantic adjectives used by customers are related to soccer shoe forms. Furthermore, the design priority of each design element of the form category under the three types is reported. A soccer shoe recommendation system that can generate suggested soccer shoe samples for customers is developed by integrating the above-mentioned technologies. A validation experiment was conducted to verify the feasibility of the proposed system. The overall satisfaction of the recommended samples generated via the system is 87.08%, as reported by 80 participants. The findings prove that a new soccer shoe business model can be launched using the proposed system, linking the semantic customer requirements to the soccer shoe-form categories.