基于用户兴趣变化的高校图书馆个性化图书推荐研究

在众多个性化推荐技术中,协同过滤算法作为一种适用范围广、推荐质量高的算法,在电子商务领域得到了广泛应用,近年来被不少学者引入到图书馆个性化推荐的研究中。然而高校图书馆系统与商业系统相比,普遍存在用户信息少、项目评分严重缺失的问题,极大地影响了个性化推荐的准确率。针对以上问题,文章从高校读者属性和行为特征出发,建立用户兴趣模型,将读者阅读兴趣划分为长期兴趣和短期兴趣,基于用户兴趣度优化项目评分矩阵,进行协同过滤图书推荐。     

基于蚁群算法的协同过滤推荐技术

协同过滤推荐技术是当前最成功的个性化推荐技术,并且已经广泛应用于个性化推荐系统中。考虑到用户的推荐时间、推荐人数都是影响推荐准确度的重要因素,提出了一种基于蚁群算法的动态协同过滤推荐方法。当系统产生推荐项时,该算法不仅考虑每项的评分,而且考虑每项上信息素强度。实验结果表明,该算法可以显著提高传统过滤推荐系统的推荐质量。     

基于用户分类的协同过滤算法在图书推荐中的研究

随着高校图书馆大数据时代的到来,读者有时很难找到自己喜欢的图书,会造成图书资源的浪费。针对这种情况,本文研究了基于用户分类的协同过滤算法在高校图书推荐中的应用,其中涉及读者分类、用户-项目评分矩阵的建立、向量空间模型的构建以及用户间相似度的计算,并考虑了高校图书和读者的特点,对用户-项目评分矩阵进行了改进,缓解了数据稀疏问题。研究结果表明,基于用户分类的协同过滤算法比传统的协同过滤算法计算复杂度低,在一定程度上优于传统的协同过滤算法。     

基于协同过滤的旅游景点推荐

针对在线旅游快速增长的态势,本文研究基于协同过滤的旅游景点推荐算法。通过提取在线旅游网站上游客对桂林旅游景点的评价数据,使用协同过滤算法进行旅游景点推荐。实验结果表明：协同过滤算法完全可用于旅游景点推荐。     

基于Mahout分布式协同过滤推荐算法分析与实现

随着信息技术和互联网的发展,在信息过载的时代,用户面对海量的信息,难以正确选择。协同过滤推荐是个性化推荐中比较成熟的算法,但其稀疏性、冷启动、可扩展性问题仍然存在,尤其是不能应用于分布式推荐。在Hadoop平台上,Mahout实现了分布式基于项目的协同过滤推荐算法,该算法能够有效解决传统算法的海量数据处理的效率问题和可扩展性问题。实验结果表明,Mahout上基于项目的协同过滤推荐算法具有较好的计算高效性和可扩展性。     

一种改进的Item-based协同过滤推荐算法

分析了协同过滤推荐系统中存在的用户多兴趣和项目多内容问题,提出了一种基于项的协同过滤改进算法,算法综合考虑了项目自身属性和用户评价的影响。试验表明该算法有效的解决了用户的多兴趣和项目的多内容问题,并且在用户评分数据比较稀疏的情况下也能有较好的推荐精度。     

基于个性化推荐的农民培训系统的研究与设计

在当今互联网高速发展的时代,人们越来越习惯从网上获取信息和在网上进行学习。为了更好地提供学习服务,各行业的培训学习系统大量出现。本文在介绍个性化推荐内容的基础上,旨在利用WEB技术创建一个友好的农民培训系统,为农民利用现代远程教育的手段学习新知识和新技术提供帮助。     

一种改进的Item-based协同过滤推荐算法

分析了协同过滤推荐系统中存在的用户多兴趣和项目多内容问题,提出了一种基于项的协同过滤改进算法,算法综合考虑了项目自身属性和用户评价的影响.试验表明该算法有效的解决了用户的多兴趣和项目的多内容问题,并且在用户评分数据比较稀疏的情况下也能有较好的推荐精度.     

基于Web投票机制的免疫协同过滤推荐技术研究

针对投票机制的个性化推荐系统,利用人工免疫网络模型的动态适应性、自组织性等特性,通过构建用户的兴趣模型来设计用户投票行为的抗体(抗原)编码及交叉克隆算子,并通过人工免疫网络模型来产生高效的推荐结果。     

基于用户的农产品协同过滤推荐系统的设计与实现

作为缓解信息过载问题的主要手段,个性化推荐技术已经得到广泛的应用。随着农产品电子商务技术的发展,如何将最新的个性化推荐技术应用到农产品的推荐,促进农产品电子商务的发展,是一个非常重要的问题。本文在对电子商务推荐系统原理分析基础上,重点深入探讨了当前应用最为广泛的协同过滤推荐技术。在此基础上,针对农产品的特点,设计并实现了一个基于用户的农产品电子商务协同过滤推荐系统。为提高用户评分的积极性,系统采用一定的激励评分机制,以缓解数据稀疏性问题。系统界面简洁,操作简单,实现了对农产品的有效推荐。     

基于大数据和本体的高校图书馆个性化服务研究

[目的/意义]如何综合利用大数据和本体二者的优势,提供个性化服务,是当前图书馆迫切需要解决的问题。[方法/过程]首先提出构建基于大数据和本体的高校图书馆用户兴趣模型流程,然后设计一种基于大数据和本体的高校图书馆个性化服务模型。[结果/结论]该模型能够实现大数据与本体技术的无缝对接,从而为用户提供精准的个性化服务。     

基于改进的双极Slope One算法的农业信息推荐模型研究

为了在海量信息中为用户提供有价值的信息,个性化在线推荐系统是农业信息化综合服务平台的重要组成部分。Slope One算法因简单高效被许多在线推荐系统使用。对Slope One算法进行研究,并结合农业信息化综合服务平台的特点,提出了农业信息推荐模型。该模型按资源类别把用户评分矩阵划分为评分子矩阵,在此基础上采用杰卡德统一算子距离相似度算法建立用户类别近邻用户,采用改进的双极Slope One算法和Item user average算法相结合的方式对未访问资源进行评分预测,有效降低计算量,并提高了评分预测精度,既适合稠密数据集,又适合稀疏数据集。     

大数据时代高校图书馆面临的问题与解决对策

文章在描述大数据及其特点的基础上,分析了大数据时代高校图书馆在数字资源建设、读者需求、数据安全与读者隐私、专业人才等方面面临的问题,指出高校图书馆要以此为契机,找出解决问题的对策,以开放的心态、创新的勇气迎接大数据时代的到来,推动高校图书馆事业的发展。