個性化推薦
- 基于UBCF算法在圖書館個性化資源推薦中的應(yīng)用研究
實現(xiàn)圖書館個性化推薦服務(wù)。關(guān)鍵詞：協(xié)同過濾算法；余弦相似度；圖書館；個性化推薦中圖分類號：TP312? ? ? 文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044（2023）36-0022-03開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）0 引言隨著人工智能技術(shù)的發(fā)展，出現(xiàn)了很多個性化推薦技術(shù)，特別是基于用戶的協(xié)同過濾（User-based Collaborative Filtering，簡稱UCBF）算法[1-2]，在很多領(lǐng)域也得到了應(yīng)用。各個高校館藏書籍資源都很多，
電腦知識與技術(shù) 2023年36期2024-01-27
- 基于協(xié)同過濾算法實現(xiàn)高校畢業(yè)生推薦系統(tǒng)研究
橋梁，實現(xiàn)個性化推薦。本文重點(diǎn)介紹了協(xié)同過濾推薦算法在高校畢業(yè)生推薦系統(tǒng)中的應(yīng)用，采用基于內(nèi)容的推薦算法計算相似度，并使用基于用戶的協(xié)同過濾算法生成推薦結(jié)果，這樣可以解決高校畢業(yè)生隨意就業(yè)和招聘企業(yè)盲目招聘等問題，提高推薦結(jié)果的準(zhǔn)確度，有助于緩解這種情況。關(guān)鍵詞：高校畢業(yè)生推薦系統(tǒng)；協(xié)同過濾算法；個性化推薦；相似度計算引言根據(jù)最新的數(shù)據(jù)顯示，預(yù)計2023年全國普通高校畢業(yè)生人數(shù)將達(dá)到1158萬人，較2013年的699萬人增加了459萬人，增幅達(dá)到65.7%
互聯(lián)網(wǎng)周刊 2023年15期2023-08-31
- 面向在線健康社區(qū)的融合時間特征個性化推薦算法研究
康社區(qū)； 個性化推薦； 動態(tài)社交網(wǎng)絡(luò)； 個人動態(tài)偏好ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２３．０９．００３〔中圖分類號〕Ｒ－０５８ 〔文獻(xiàn)標(biāo)識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２３） ０９－００２６－１０健全和完善“互聯(lián)網(wǎng)＋醫(yī)療健康” 服務(wù)體系及支撐體系是當(dāng)前推進(jìn)實施“健康中國” 戰(zhàn)略的一項重要工作［１］ 。隨著這項工作的推進(jìn)， 在線健康社區(qū)（Ｏｎｌｉｎｅ Ｈｅａｌｔｈ Ｃｏｍｍｕｎｉｔｉｅｓ， ＯＨＣｓ）已成為人
現(xiàn)代情報 2023年9期2023-08-31
- 面向讀者需求的圖書館精準(zhǔn)服務(wù)探究
書館資源；個性化推薦以數(shù)字化為主導(dǎo)的新技術(shù)環(huán)境對圖書館事業(yè)新一輪發(fā)展提出了新要求。2019年，澳大利亞新南威爾士州立圖書館發(fā)布的《NSW戰(zhàn)略規(guī)劃：2019—2023》指出，圖書館轉(zhuǎn)型的戰(zhàn)略重點(diǎn)是關(guān)注公眾的需求，讓圖書館技術(shù)和服務(wù)適應(yīng)社會和讀者成為新的討論焦點(diǎn)。隨著新一代信息技術(shù)與讀者服務(wù)的深度融合，圖書館除了提供館藏圖書、電子資源，還可通過分析和歸納讀者在圖書館留下的具有傾向性的數(shù)據(jù)信息，如閱讀目的、偏好等，快速、準(zhǔn)確地為讀者提供符合其個性化需求的信息。如
傳播與版權(quán) 2023年16期2023-08-29
- 知識圖譜在互聯(lián)網(wǎng)電商平臺商品個性化推薦中的應(yīng)用探索
質(zhì)量評估；個性化推薦中圖法分類號：TP391 文獻(xiàn)標(biāo)識碼：A１ 概述在互聯(lián)網(wǎng)時代，人們的購物習(xí)慣逐漸從傳統(tǒng)的搜索式購物向個性化推薦式購物方式轉(zhuǎn)變，這也是互聯(lián)網(wǎng)電商平臺爭相發(fā)力的突破口，即通過挖掘用戶潛在的喜好或隱性需求，推動業(yè)績進(jìn)一步提升。通常的個性化推薦系統(tǒng)是采用機(jī)器學(xué)習(xí)的方式，利用用戶的正負(fù)行為樣本（如瀏覽或購買行為）來訓(xùn)練推薦算法模型，最終得到某一用戶推薦商品的序列。這種方式對用戶潛在喜好或隱性需求的挖掘效果不佳。而知識圖譜中蘊(yùn)含商品屬性與屬性之間，
計算機(jī)應(yīng)用文摘·觸控 2023年13期2023-07-17
- 知識圖譜在互聯(lián)網(wǎng)電商平臺商品個性化推薦中的應(yīng)用探索
質(zhì)量評估；個性化推薦中圖法分類號：TP391 文獻(xiàn)標(biāo)識碼：A１ 概述在互聯(lián)網(wǎng)時代，人們的購物習(xí)慣逐漸從傳統(tǒng)的搜索式購物向個性化推薦式購物方式轉(zhuǎn)變，這也是互聯(lián)網(wǎng)電商平臺爭相發(fā)力的突破口，即通過挖掘用戶潛在的喜好或隱性需求，推動業(yè)績進(jìn)一步提升。通常的個性化推薦系統(tǒng)是采用機(jī)器學(xué)習(xí)的方式，利用用戶的正負(fù)行為樣本（如瀏覽或購買行為）來訓(xùn)練推薦算法模型，最終得到某一用戶推薦商品的序列。這種方式對用戶潛在喜好或隱性需求的挖掘效果不佳。而知識圖譜中蘊(yùn)含商品屬性與屬性之間，
計算機(jī)應(yīng)用文摘 2023年13期2023-07-17
- 基于推薦和游戲化的智慧城市出行誘導(dǎo)系統(tǒng)設(shè)計
智慧城市；個性化推薦；游戲化；出行誘導(dǎo)系統(tǒng)中圖分類號：F570? ? 文獻(xiàn)標(biāo)志碼：ADOI：10.13714/j.cnki.1002-3100.2023.11.019Abstract： With the rapid development of urban motor vehicle ownership， air pollution caused by burning fossil fuels increases the risk of people's
物流科技 2023年11期2023-06-28
- 基于用戶角度的新聞內(nèi)容個性化推薦研究
。新聞內(nèi)容個性化推薦技術(shù)應(yīng)運(yùn)而生，旨在根據(jù)用戶的需求和興趣推薦新聞內(nèi)容，提升用戶的閱讀體驗和滿意度。然而，目前大多數(shù)新聞推薦系統(tǒng)仍然采用基于內(nèi)容相似度或協(xié)同過濾等傳統(tǒng)方法，往往無法精確把握用戶的個性化需求。文章指出，傳統(tǒng)媒體和新媒體融合發(fā)展已經(jīng)成為行業(yè)共識，主流媒體的新聞傳播活動也從單一的“發(fā)布”轉(zhuǎn)向了“推送”，新聞內(nèi)容個性化推薦是用戶參與新聞生產(chǎn)的有效方式，能夠滿足不同用戶的個性化需求，提高用戶參與感和歸屬感，增強(qiáng)傳播效果。文章從新聞內(nèi)容個性化推薦技術(shù)的
新聞研究導(dǎo)刊 2023年7期2023-06-28
- 基于用戶畫像的課程學(xué)習(xí)視頻推薦系統(tǒng)研究與設(shè)計
用戶畫像；個性化推薦；推薦系統(tǒng)中圖分類號：TP311? 文獻(xiàn)標(biāo)識碼：A? 文章編號：2096-4706（2023）09-0001-08Abstract： This paper studies and designs a course learning video recommendation system for online education. As online learning resources are numerous， and lack of
現(xiàn)代信息科技 2023年9期2023-06-21
- 新媒體時代個性化推薦的用戶困境分析
站為代表的個性化推薦平臺，就有可能給消費(fèi)者造成人身權(quán)益損害和財產(chǎn)性利益損害。在用戶人身權(quán)益影響方面，具體表現(xiàn)在“信息繭房”加劇用戶認(rèn)知偏差、注意力攫取加深用戶主體性焦慮；在用戶財產(chǎn)性利益損害方面，具體表現(xiàn)在經(jīng)營者于上游盤剝用戶數(shù)據(jù)財產(chǎn)、中游引導(dǎo)操控交易行為、下游算法歧視差異化定價。司法實踐中，對于此類行為帶來的用戶損害存在算法責(zé)任認(rèn)定困難、公共妨害與經(jīng)濟(jì)利益難以平衡的困擾。對于個性化算法的規(guī)制，相關(guān)規(guī)定散見于各法律規(guī)范之中，對于算法侵權(quán)的適用場景和損害賠償
新聞研究導(dǎo)刊 2023年5期2023-05-18
- 基于上下文感知推薦的協(xié)同過濾技術(shù)
電子商務(wù);個性化推薦中圖分類號：TP302.1? ? 文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044（2022）19-0085-021引言隨著移動互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，移動電子商務(wù)逐漸走進(jìn)人們的生活。但是，人們在移動環(huán)境中購物的上下文信息不能與PC購物的上下文信息完全一致。各種應(yīng)用于傳統(tǒng)電子商務(wù)的個性化推薦技術(shù)，當(dāng)然也未必完全適用于移動電子商務(wù)。當(dāng)用戶在移動設(shè)備上購物時，天氣、溫度和位置等上下文信息是不同的。因此，在進(jìn)行個性化推薦時，應(yīng)考慮這些上下文信息，從而
電腦知識與技術(shù) 2022年19期2022-08-31
- 算法平臺規(guī)訓(xùn)下數(shù)字勞工分工精細(xì)化研究
力量，依據(jù)個性化推薦的信息分發(fā)機(jī)制，讓算法平臺逐漸成為信息的“把關(guān)人”，數(shù)字勞工服從“把關(guān)人”的權(quán)威，在此基礎(chǔ)上建構(gòu)“分工”的數(shù)字勞工勞動現(xiàn)狀。本文通過問卷調(diào)查法與案例分析法對抖音算法平臺上的數(shù)字勞工群體進(jìn)行分析，揭示了數(shù)字勞工在算法平臺上的分工現(xiàn)狀，從傳播政治經(jīng)濟(jì)學(xué)角度對數(shù)字勞工的分工議題進(jìn)行研究，為其提供新思考和新路徑?！娟P(guān)鍵詞】數(shù)字勞工;算法平臺;個性化推薦;分工隨著信息技術(shù)的迅猛發(fā)展，互聯(lián)網(wǎng)以前所未有的速度、廣度和深度嵌入社會生活的方方面面。截至2
新聞潮 2022年7期2022-05-30
- 定制衣柜功能布局推薦中用戶和產(chǎn)品類型劃分研究
功能布局 個性化推薦 用戶偏好 人群劃分 聚類分析引言隨著中國經(jīng)濟(jì)的快速發(fā)展，居住環(huán)境發(fā)生了翻天覆地的變化，城市森林的快速蔓延，使人口居住環(huán)境與空間面臨著巨大的挑戰(zhàn)和壓力[1]城市住宅《土寸金的概念在人們的意識里悄然達(dá)成共識，地產(chǎn)的發(fā)展離不開家具的補(bǔ)充，如何高效地規(guī)劃收納空間成為人們關(guān)注的重點(diǎn)。在現(xiàn)代家居生活理念之下，個性化定制家具成為人們追捧的住宅裝扮對象。定制家具發(fā)展到白熱化階段，但是衣柜的內(nèi)部功能格局還是不盡相同，沒有考慮到用戶的需求差異性，個性化的
設(shè)計 2022年9期2022-05-26
- 抖音短視頻“信息繭房”現(xiàn)象探究
分發(fā)所使用個性化推薦的一般模式，并且研究這種推薦模式對用戶產(chǎn)生什么影響，本文就抖音的推送方式進(jìn)行闡釋后，再表明“信息繭房”的危害，對抖音的內(nèi)容推薦模式產(chǎn)生的影響進(jìn)行論述，分析為用戶推薦內(nèi)容的根本思路和邏輯是什么。本文經(jīng)過分析得出，抖音用戶的選擇性心理是讓用戶走進(jìn)“信息繭房”的首要條件，抖音平臺中個性化推薦會進(jìn)一步促進(jìn)“信息繭房”現(xiàn)象的產(chǎn)生，從而使用戶有“媒介依存癥”，于是可能開始單一的信息獲取路徑，這會造成用戶眼界受限。要想避免這一算法帶來的弊端，就需要用
衛(wèi)星電視與寬帶多媒體 2022年5期2022-05-14
- 基于情境感知的學(xué)習(xí)資源個性化推薦機(jī)制研究
述學(xué)習(xí)資源個性化推薦情境要素的基礎(chǔ)上，構(gòu)建了包含情境感知層、資源管理層、學(xué)習(xí)診斷層、個性推薦層及學(xué)習(xí)者界面的學(xué)習(xí)資源個性化推薦系統(tǒng)，并闡述了系統(tǒng)的推薦流程及實現(xiàn)。在情境感知理論的基礎(chǔ)上，構(gòu)建以情境感知技術(shù)為核心的學(xué)習(xí)資源個性化推薦系統(tǒng)，能提高學(xué)習(xí)資源與學(xué)習(xí)者之間的動態(tài)適應(yīng)性，更好地服務(wù)于學(xué)習(xí)者的個性化學(xué)習(xí)需求。關(guān)鍵詞： 智慧教育; 情境感知; 學(xué)習(xí)資源; 個性化推薦中圖分類號：G434? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A? ? ?文章編號：1006-8228
計算機(jī)時代 2022年3期2022-03-21
- 平臺個性化推薦研究評述及展望
兀關(guān)鍵詞：個性化推薦;平臺;研究綜述;未來展望中圖分類號：C67 ? ? ? ?文獻(xiàn)標(biāo)志碼：A ? ? ?文章編號：1673-291X（2022）06-0118-03引言近年來，以互聯(lián)網(wǎng)和信息技術(shù)為支撐的線上購物快速發(fā)展，消費(fèi)者通過線上平臺進(jìn)行購物已經(jīng)成為常態(tài)。然而平臺在滿足消費(fèi)者眾多消費(fèi)需求的同時，也出現(xiàn)了商品同質(zhì)化、信息過載等問題，造成消費(fèi)者決策困難[1]。基于此，多數(shù)平臺企業(yè)嘗試采用個性化推薦，例如“淘寶”“京東”在其服務(wù)界面中都充分體現(xiàn)了導(dǎo)購的作用
經(jīng)濟(jì)研究導(dǎo)刊 2022年6期2022-03-19
- 傳播學(xué)視角下算法推薦研究的學(xué)術(shù)場域
詞】算法;個性化推薦;新聞分發(fā)平臺;科學(xué)知識圖譜;Citespace傳統(tǒng)媒體時代，專業(yè)新聞媒體把握了從新聞內(nèi)容制作到分發(fā)的絕大部分權(quán)力，受眾只能被動接收來自專業(yè)媒體的新聞內(nèi)容，主動權(quán)有限。而到了智能媒體時代，伴隨著網(wǎng)絡(luò)傳播技術(shù)的飛速發(fā)展而催生出的“Apple News”“今日頭條”等新聞分發(fā)平臺通過個性化推薦算法掌握用戶的興趣取向，向用戶推薦內(nèi)容，不僅打破了傳統(tǒng)媒體時代受眾的被動局面，同時迅速占據(jù)了原本由傳統(tǒng)媒體所掌握的新聞傳播市場，帶給整個新聞傳播業(yè)前所
新聞愛好者 2022年1期2022-03-14
- 關(guān)注線上評價還是在意線下距離？
特征，通過個性化推薦來探究O2O用戶的服務(wù)選擇決策行為特征。具體的，針對線上主觀服務(wù)口碑?dāng)?shù)據(jù)、線下客觀服務(wù)位置數(shù)據(jù)和二者融合數(shù)據(jù)分別設(shè)計了三種推薦算法。數(shù)據(jù)實驗結(jié)果表明：用戶的O2O服務(wù)選擇決策是同時考慮服務(wù)的線上口碑和線下位置的多屬性決策過程。但在這一過程中，備選服務(wù)的地理位置對用戶的選擇決策具有更大的影響作用。關(guān)鍵詞：O2O服務(wù);用戶行為特征;服務(wù)地理位置;個性化推薦中圖分類號：C931.6 文獻(xiàn)標(biāo)識碼：A 文章編號：2097-0145（2022）01
預(yù)測 2022年1期2022-03-13
- 在線學(xué)習(xí)資源的個性化智能推薦研究探析
習(xí)資源; 個性化推薦; 認(rèn)知診斷中圖分類號：G642? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A? ? ? ? ? 文章編號：1006-8228（2022）02-111-05Research on personalized intelligent recommendation of online learning resourcesMa Hua， Li Jingze（College of Information Science and Engineering， Hu
計算機(jī)時代 2022年2期2022-02-24
- 利用學(xué)習(xí)者畫像實現(xiàn)個性化課程推薦
慣和偏好的個性化推薦路徑能夠降低學(xué)習(xí)者學(xué)習(xí)的盲目性、提升學(xué)習(xí)者在線學(xué)習(xí)體驗。文章提出了一種基于學(xué)習(xí)者畫像的個性化課程推薦方法，首先，利用爬蟲技術(shù)獲得Bilibili網(wǎng)站30多萬名學(xué)習(xí)者的數(shù)據(jù)，然后對學(xué)習(xí)者學(xué)習(xí)數(shù)據(jù)進(jìn)行定量分析，尤其是在個性化特征最明顯的情感表達(dá)方面，采用了基于注意力機(jī)制的雙向長短時記憶網(wǎng)絡(luò)進(jìn)行情感分析，從而構(gòu)建了包含學(xué)習(xí)者基本信息、行為和彈幕文本三個維度的學(xué)習(xí)者畫像特征模型。在此基礎(chǔ)上，利用深度神經(jīng)網(wǎng)絡(luò)建立了教學(xué)資源與學(xué)習(xí)者畫像之間的關(guān)系模
電化教育研究 2021年12期2021-12-14
- 基于知識圖譜的我國高校圖書館個性化推薦研究綜述
高校圖書館個性化推薦研究的發(fā)展路徑、熱點(diǎn)變遷及發(fā)展趨勢，以期為我國高校圖書館個性化推薦研究領(lǐng)域的學(xué)術(shù)探索與實踐提供相應(yīng)的理論參考。研究發(fā)現(xiàn)：①針對該領(lǐng)域的研究已經(jīng)形成多個研究群體，研究合作方式以高校的校內(nèi)合作為主。②2010—2019年該領(lǐng)域研究熱點(diǎn)集中在個性化推薦、協(xié)同過濾、數(shù)據(jù)挖掘等方面，并在此基礎(chǔ)上衍生出情景化推薦、閱讀推廣等研究前沿。③2010—2019年該領(lǐng)域的研究可大致分為基礎(chǔ)研究與創(chuàng)新研究兩個階段，前者為后者的研究提供理論基礎(chǔ)，后者基于前者的
上海管理科學(xué) 2021年5期2021-12-09
- 基于Hadoop的電影推薦系統(tǒng)的設(shè)計
是為了解決個性化推薦的問題而設(shè)計。以網(wǎng)絡(luò)電影作為影片推薦的主要研究數(shù)據(jù)對象，選擇基于影片內(nèi)容的電影推薦方式算法和基于內(nèi)容協(xié)同數(shù)據(jù)過濾的電影推薦方式算法相關(guān)性結(jié)合的兩種算法，通過兩種電影推薦方式算法數(shù)據(jù)進(jìn)行綜合計算后所得到的兩個電影相關(guān)性推薦系數(shù)值并進(jìn)行了隨機(jī)組合，得到最終值的電影推薦相關(guān)性矩陣，構(gòu)建了一個電影推薦關(guān)系網(wǎng)。關(guān)鍵詞：電子商務(wù)系統(tǒng)，個性化推薦，Hadoop，MapReduce，協(xié)同過濾1.緒論1.1推薦系統(tǒng)介紹推薦系統(tǒng)是為了防止信息過載而采用的一
科學(xué)與生活 2021年24期2021-12-06
- 基于消費(fèi)者視角的電商平臺個性化推薦策略探析
臺以各自的個性化推薦算法為消費(fèi)者帶來了不同程度的便利，大大提升了用戶的消費(fèi)體驗，但同時也給消費(fèi)者帶來了一系列的問題。文章以淘寶和京東為例，羅列并總結(jié)出幾大類個性化推薦方法，從消費(fèi)者的視角分析這些方法給用戶帶來的便利與煩惱，并針對性的提出建議，旨在幫助凈化當(dāng)下冗雜的個性化方法，使得個性化方法回歸最初作用，促進(jìn)其進(jìn)一步發(fā)展。[關(guān)鍵詞]個性化推薦;電商平臺;消費(fèi)者視角[DOI]10.13939/j.cnki.zgsc.2021.28.1901 引言當(dāng)代電子商務(wù)領(lǐng)
中國市場 2021年28期2021-11-09
- 基于社交電商平臺的個性化推薦研究
電商平臺的個性化推薦進(jìn)行深入研究。以典型的社交電商平臺小紅書為例，通過案例分析對社交電商平臺的個性化推薦現(xiàn)狀進(jìn)分析，得出社交電商平臺的個性化推薦目前存在的問題。最后針對上述存在的問題，給出社交電商平臺個性化推薦的優(yōu)化建議。關(guān)鍵詞：電子商務(wù);電商社交平臺;個性化推薦;拼多多;小紅書一、緒論（一）研究背景近年來，隨著我國移動互聯(lián)網(wǎng)的高速發(fā)展，人們使用互聯(lián)網(wǎng)的頻率大大增加。因此，我國的傳統(tǒng)電商平臺也不斷轉(zhuǎn)型，出現(xiàn)了一種以社交為基礎(chǔ)的電商平臺。各大電商平臺值此契機(jī)
現(xiàn)代營銷·理論 2021年7期2021-09-27
- 基于微信小程序的競賽學(xué)習(xí)平臺設(shè)計
建，并輔以個性化推薦算法。競賽學(xué)習(xí)平臺旨在通過多元化和個性化的功能提升大學(xué)生學(xué)科競賽學(xué)習(xí)的趣味性、互動性和有效性，協(xié)助學(xué)生用戶競賽技能提升的同時激發(fā)更多大學(xué)生參與競賽的積極性。關(guān)鍵詞：微信小程序;學(xué)科競賽;組隊;競賽學(xué)習(xí);個性化推薦中圖分類號：TP311? ? ? 文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044（2021）21-0087-04開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：1 背景如何在團(tuán)隊競賽中找尋匹配的隊友以及如何提升競賽學(xué)習(xí)的效率和成效已然成為許
電腦知識與技術(shù) 2021年21期2021-09-23
- 教育數(shù)據(jù)在課堂與在線教學(xué)中的應(yīng)用研究
習(xí)路徑; 個性化推薦中圖分類號：G40-057 ? ? ? ? ?文獻(xiàn)標(biāo)識碼：A ? ? 文章編號：1006-8228（2021）08-93-05Research on the application of educational data in classroom teaching and online teachingSong Zhengguo， Diao Xiuli（College of Computer Science and Engineerin
計算機(jī)時代 2021年8期2021-09-05
- 綜合時空信息的Web服務(wù)QoS預(yù)測方法研究
矩陣分解;個性化推薦中圖分類號：TP301? ? ? 文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044（2021）18-0233-03開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：1 背景Web服務(wù)的QoS屬性是選取最佳候選服務(wù)時需要考慮的關(guān)鍵性因素，是動態(tài)服務(wù)發(fā)現(xiàn)、查詢、選擇和主動推薦的基礎(chǔ)，通常用來體現(xiàn)Web服務(wù)的非功能特性。由于在實際應(yīng)用中，Web服務(wù)數(shù)量非常多，用戶對大多數(shù)服務(wù)并不了解，因此Web服務(wù)的QoS屬性值不完整。而且，不同用戶的網(wǎng)絡(luò)環(huán)境及服務(wù)運(yùn)行環(huán)境
電腦知識與技術(shù) 2021年18期2021-08-18
- 基于時間因子改進(jìn)個性化推薦模型
時間因子;個性化推薦;協(xié)同過濾中圖分類號：TP311.60 ? ? 文獻(xiàn)標(biāo)識碼：AImproved Personalized Recommendation Model based on Time FactorHU Anming1， CHEN Huie2（1.School of Computer Science and Engineering， Guangzhou Institute of Technology， Guangzhou 510540， Chin
軟件工程 2021年7期2021-08-05
- 融合個性化推薦的文章聚合系統(tǒng)
了一種融合個性化推薦的文章聚合系統(tǒng)，系統(tǒng)的推薦內(nèi)核主要依賴于所提的融合用戶畫像的協(xié)同過濾推薦方法，以此為平臺方用戶提供文章推薦服務(wù)。關(guān)鍵詞：個性化推薦? 文章聚合? 協(xié)同過濾? 用戶畫像中圖分類號：TP391.3? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼：A文章編號：1672-3791（2021）04（a）-0035-03An Article Aggregation System Integrating Personalized Recomm
科技資訊 2021年10期2021-07-28
- 基于動態(tài)權(quán)重的商品混合推薦系統(tǒng)
問題，提升個性化推薦效果。將大數(shù)據(jù)技術(shù)和推薦算法結(jié)合，設(shè)計并實現(xiàn)基于大數(shù)據(jù)的商品混合推薦系統(tǒng)。最后使用Amazon的數(shù)據(jù)集進(jìn)行系統(tǒng)測試，該文提出的動態(tài)權(quán)重混合方式比傳統(tǒng)線性混合擁有更好的性能。關(guān)鍵詞：推薦系統(tǒng)? 混合推薦? 動態(tài)權(quán)重? 個性化推薦中圖分類號：TP391.3? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼：A文章編號：1672-3791（2021）04（a）-0032-03Commodity Hybrid Recommendation
科技資訊 2021年10期2021-07-28
- 基于系統(tǒng)動力學(xué)的資訊個性化推薦研究
品。當(dāng)前，個性化推薦已經(jīng)在電子商務(wù)、影視作品、餐飲美食、新聞資訊等領(lǐng)域獲得了較為廣泛的應(yīng)用?！熬〇|”的推薦起步于2012年，當(dāng)時的產(chǎn)品推薦是基于規(guī)則匹配進(jìn)行的，整個推薦產(chǎn)品線組合就像一個個松散的原始部落，部落與部落之間沒有任何工程、算法的交集。“淘寶”從2013年推出了“個性化推薦”即“千人千面”的推薦引擎，利用用戶的一些行為，通過算法推測出用戶可能喜歡的東西。“美團(tuán)”構(gòu)建了世界上最大的菜品知識庫，為200多萬商家、3億多件商品繪制了知識圖譜，并為2.5億
河北科技大學(xué)學(xué)報 2021年2期2021-05-23
- 基于標(biāo)簽的協(xié)同過濾推薦方法研究
行電視節(jié)目個性化推薦。首先，爬取相關(guān)信息對原始數(shù)據(jù)進(jìn)行擴(kuò)充，并利用統(tǒng)計學(xué)方法對時間特征進(jìn)行歸一化處理，計算用戶偏好系數(shù);然后，統(tǒng)計出現(xiàn)次數(shù)較高的類別作為推薦類別標(biāo)簽，并利用改進(jìn)的杰卡德系數(shù)構(gòu)造標(biāo)簽相似度矩陣;最后，根據(jù)推薦類別標(biāo)簽的用戶偏好系數(shù)計算節(jié)目的推薦系數(shù)。實驗結(jié)果表明，基于標(biāo)簽的協(xié)同過濾算法可以降低稀疏矩陣對推薦準(zhǔn)確率的影響，相比基于物品的協(xié)同過濾算法，準(zhǔn)確率提高了5%，召回率提高了3.1%。另外，使用改進(jìn)的杰卡德系數(shù)計算相似度，減少了熱門標(biāo)簽對推
北京聯(lián)合大學(xué)學(xué)報 2021年2期2021-05-21
- 一種裙裝個性化定制模式及系統(tǒng)
夠?qū)崿F(xiàn)裙裝個性化推薦、裙裝個性化定制以及裙裝專業(yè)設(shè)計，有效解決了裙裝個性化定制問題。關(guān)鍵詞：裙裝;個性化定制;個性化推薦;個性化定制模式;個性化定制系統(tǒng)中圖分類號：TP391? ? ? 文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044（2021）07-0018-04Abstract：For the problems of insufficient direct consumer participation and lack of professional des
電腦知識與技術(shù) 2021年7期2021-04-20
- 基于大數(shù)據(jù)的新能源汽車個性化售后服務(wù)推薦系統(tǒng)
能源汽車 個性化推薦 大數(shù)據(jù) 售后服務(wù)Personalized After-sales Service Recommendation System for New Energy Vehicles based on Big DataLiao Tianhui Li Fei Zhang Sen Zhang LiangAbstract：The domestic new energy vehicle after-sales service market starte
時代汽車 2021年6期2021-04-09
- 算法時代傳統(tǒng)隱私理論之困境與出路
靜結(jié)合”。個性化推薦中的數(shù)據(jù)性質(zhì)宜認(rèn)定為隱私，因為從靜態(tài)的角度，其符合個人性、人格性、隱蔽性等“個性化”標(biāo)準(zhǔn)，且形式上多元，不局限于信息的形式。從動態(tài)的角度，若未獲得用戶的允許，個性化推薦算法，包括基于內(nèi)容的推薦、協(xié)同過濾推薦和基于知識的推薦等，計算判別用戶喜好的行為，既干擾了用戶的私有領(lǐng)域，又窺探了用戶的人格圖像。其行為結(jié)果符合隱私的“主體性”標(biāo)準(zhǔn)。關(guān)鍵詞：個性化推薦;算法;數(shù)據(jù);隱私[中圖分類號] D923?????[文章編號] 1673-0186（2
重慶社會科學(xué) 2021年2期2021-03-24
- 被塑造的共同體：個性化推薦算法若干問題審視
率，在有關(guān)個性化推薦算法的研究內(nèi)容當(dāng)中，學(xué)者們常常從“信息繭房”“認(rèn)知窄化”“過濾氣泡”等角度進(jìn)行批判式研究。實際上，個性化推薦算法是否真的造成了使用者“故步自封”其實還是一個值得商榷的問題。文章提出在個性化推薦算法當(dāng)中蘊(yùn)含著共同體塑造的可能性，先提出個性化算法推送易造成全景敞視監(jiān)獄與數(shù)字勞工這兩個陷阱，再對個性化推薦算法是如何對共同體塑造構(gòu)建了可能進(jìn)行分析。關(guān)鍵詞 技術(shù)；共同體；個性化推薦；算法中圖分類號 G2 文獻(xiàn)標(biāo)識碼 A 文章編號 2096-036
新媒體研究 2021年19期2021-03-16
- 基于社區(qū)發(fā)現(xiàn)的個性化推薦技術(shù)研究
過載問題，個性化推薦技術(shù)是解決該問題的一種有效手段。該文利用社區(qū)發(fā)現(xiàn)技術(shù)“物以類聚、人以群分”的特點(diǎn)，將可能使人們產(chǎn)生相似興趣的物品進(jìn)行聚類，并在此基礎(chǔ)上研究了基于社區(qū)結(jié)構(gòu)的個性化推薦算法。該算法可對推薦物品的新穎性進(jìn)行調(diào)節(jié)，并可以緩解冷啟動問題。關(guān)鍵詞：社區(qū)結(jié)構(gòu)? 社區(qū)發(fā)現(xiàn)? 個性化推薦? 聚類算法中圖分類號：TP391? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼：A文章編號：1672-3791（2020）10（c）-0217-03A
科技資訊 2020年30期2020-12-28
- 電子商務(wù)網(wǎng)站用戶體驗信息個性化推薦應(yīng)用研究
要：傳統(tǒng)個性化推薦應(yīng)用存在與用戶實際需求信息匹配度低的問題，為此設(shè)計了一種電子商務(wù)網(wǎng)站用戶體驗信息個性化推薦方法。通過分析數(shù)據(jù)清洗工作流程，設(shè)計用戶體驗信息個性化推薦應(yīng)用算法，并根據(jù)用戶在網(wǎng)站上的相關(guān)行為，計算用戶個性推薦項目相似度。整合用戶對個性化推薦的反饋數(shù)據(jù)，提供用戶在網(wǎng)站體驗的個性化信息，以此完成對用戶體驗信息個性化推薦。此外，采用設(shè)計仿真實驗的方式，驗證了用戶經(jīng)過提出的個性化推薦后，在電子商務(wù)網(wǎng)站的平均瀏覽時長增多，證明推薦的個性化內(nèi)容與用戶的
科技創(chuàng)新與應(yīng)用 2020年27期2020-12-24
- 基于Tensorflow的電影推薦系統(tǒng)
提出挑戰(zhàn)。個性化推薦系統(tǒng)是基于海量企業(yè)運(yùn)營數(shù)據(jù)，通過挖掘產(chǎn)品數(shù)據(jù)和用戶數(shù)據(jù)隱藏的信息，實現(xiàn)的針對不同用戶的“千人千面”的個性化推薦服務(wù)，有助于企業(yè)精準(zhǔn)把握用戶需求，創(chuàng)造價值增益。關(guān)鍵詞：大數(shù)據(jù);個性化推薦;機(jī)器學(xué)習(xí)DOI：10.12249/j.issn.1005-4669.2020.25.3201 引言在近年來，隨著電子商務(wù)的興起，推薦系統(tǒng)得到了更為廣泛的應(yīng)用，同時也為推薦系統(tǒng)的研究注入了新的活力，例如Amazon、eBay、淘寶網(wǎng)等都采用了智能推薦系統(tǒng)來
卷宗 2020年25期2020-12-15
- 基于大數(shù)據(jù)的跨境電商平臺個性化推薦策略優(yōu)化
蓬勃發(fā)展，個性化推薦策略對于跨境電商平臺運(yùn)營至關(guān)重要。首先對于傳統(tǒng)電商平臺的個性化推薦策略進(jìn)行簡單介紹，然后結(jié)合跨境電商的特殊性闡述跨境電商平臺個性化推薦策略的特點(diǎn)，分析可改進(jìn)的因素，最后結(jié)合大數(shù)據(jù)理念和技術(shù)有針對性地分別從建立區(qū)域用戶畫像庫、優(yōu)化推薦算法、提高推薦效率以及實現(xiàn)精準(zhǔn)營銷等方面提出跨境電商平臺個性化推薦策略的優(yōu)化建議。關(guān)鍵詞：跨境電商;個性化推薦;策略優(yōu)化;大數(shù)據(jù)隨著近年來“供給側(cè)結(jié)構(gòu)性改革”以及“一帶一路”等戰(zhàn)略的持續(xù)推進(jìn)，我國跨境電子商務(wù)
對外經(jīng)貿(mào)實務(wù) 2020年11期2020-12-14
- 一種基于營養(yǎng)標(biāo)準(zhǔn)的個性化幼兒套餐推薦方法
目標(biāo)優(yōu)化;個性化推薦;營養(yǎng)均衡引言近幾年也有基于營養(yǎng)標(biāo)準(zhǔn)和食物個性推薦算法的相關(guān)研究，如利用協(xié)同過濾并且使用引入差分變 異策略算子的NSGA-2個性化健康飲食推薦方法[1]，基于情境感知的校園餐飲推薦方法[2]，利用粒子群，聚類和Slope one等算法的基于營養(yǎng)飲食推薦系統(tǒng)研究[3]，食材搭配推薦算法 研究[4]則是利用了基于NSGA-2改進(jìn)的MOGA-UP算法和BP算法。本文則在經(jīng)典的協(xié)同過濾推薦算法LMF和Item CF的基礎(chǔ)上，又利用Google用
理論與創(chuàng)新 2020年17期2020-11-16
- 基于用戶畫像的智慧圖書館個性化移動視覺搜索研究
用戶畫像;個性化推薦中圖分類號：G252.7?? 文獻(xiàn)標(biāo)識碼：A?? DOI：10.11968/tsyqb.1003-6938.2020066Research on Personalized Mobile Visual Search of Smart Library Based on User PortraitAbstract Embedding user's portrait in smart library's mobile visual search
圖書與情報 2020年4期2020-10-20
- 從受眾角度淺析信息的個性化推薦模式
播過程中，個性化推薦模式具備精準(zhǔn)高效滿足用戶個性需求、加速用戶身份轉(zhuǎn)化的優(yōu)勢，同時帶來個人隱私泄露、“信息繭房”、社會個體特性弱化的缺陷。本文以受眾視角對個性化推薦模式進(jìn)行簡要分析，啟發(fā)未來信息傳播模式的發(fā)展方向。關(guān)鍵詞：個性化推薦;信息傳播;用戶一、個性化推薦的描述智能時代致使海量信息爆炸，受眾單向進(jìn)行信息搜索過濾的流程愈加繁瑣，為使用戶更加簡便快捷獲取符合心理需求的精準(zhǔn)信息，基于用戶個人信息數(shù)據(jù)庫進(jìn)行智能算法的個性化信息推薦模式應(yīng)運(yùn)而生。基于用戶曾經(jīng)的
視界觀·下半月 2020年2期2020-10-14
- 基于社會媒體挖掘的推薦系統(tǒng)
信息過濾;個性化推薦中圖分類號：TP391.3 文獻(xiàn)標(biāo)識碼：A 文章編號：1672-9129（2020）06-0080-01Abstract：withtheemergenceoftheInternetandtherapiddevelopmentofbigdataera，userscanmeettheneedsofvariousinformationretrievalintheprocessofsurfingtheInternet.However，witht
數(shù)碼設(shè)計 2020年6期2020-10-13
- 個性化推薦系統(tǒng)綜述
載等問題，個性化推薦系統(tǒng)隨之而產(chǎn)生。個性化推薦系統(tǒng)作為解決信息過載問題的有效技術(shù)，收到了廣泛的關(guān)注。文章從“朋友推薦”和“互惠推薦”的角度，對現(xiàn)有的研究進(jìn)行了總結(jié)和評估，提出了目前推薦系統(tǒng)尚未解決的問題。關(guān)鍵詞：信息過載;個性化推薦;朋友推薦;互惠推薦一、引言為了解決信息過載問題，人們建立了以關(guān)鍵字搜索為核心的搜索引擎。搜索引擎雖然在一定程度上緩解了信息過載的問題，但是由于自身的局限性，未能夠解決人們對信息搜索高效需求。因為傳統(tǒng)的搜索引擎需要用戶有明確的目
中國集體經(jīng)濟(jì) 2020年25期2020-10-12
- 高校新讀者圖書個性化推薦服務(wù)分析
務(wù);讀者;個性化推薦引言隨著網(wǎng)絡(luò)的發(fā)展，高校在圖書館的管理中也開始借助網(wǎng)絡(luò)平臺來優(yōu)化服務(wù)，有效的提升了讀者的閱讀體驗。但是，由于高校圖書服務(wù)的發(fā)展時間較短，針對讀者的個性化推薦服務(wù)效果較差，難以提升新讀者的閱讀興趣，導(dǎo)致圖書館的使用率難以得到提升。在未來的發(fā)展中，高校圖書服務(wù)應(yīng)當(dāng)針對新讀者的愛好提供個性化的推薦服務(wù)，以此來提升新生的閱讀興趣，提高圖書館資源的使用率，幫助學(xué)生養(yǎng)成閱讀習(xí)慣。1高校圖書的閱讀推廣與個性化推薦的發(fā)展現(xiàn)狀在當(dāng)前的網(wǎng)絡(luò)閱讀背景之下，個
新教育論壇 2020年1期2020-09-10
- 個性化推薦算法的“偽”個性化
摘要：針對個性化推薦編織出的個性繁榮的虛幻夢境，筆者站在媒介批評的角度，從文化工業(yè)等理論視角對此進(jìn)行批判性反思，從個性化推薦算法的主導(dǎo)邏輯、技術(shù)局限以及算法滿足的個性的真實性存疑這3個角度，揭示算法推薦的“偽”個性化背后的哲學(xué)本質(zhì)。關(guān)鍵詞：個性化推薦；算法新聞；“偽”個性化；文化工業(yè)中圖分類號：G206 文獻(xiàn)標(biāo)志碼：A 文章編號：1674-8883（2020）18-0066-02一、引言算法作為信息傳播底層的技術(shù)支撐，正在被廣泛用于媒體信息生產(chǎn)、分發(fā)、反饋
新聞研究導(dǎo)刊 2020年18期2020-09-10
- 個性化推薦算法在互動電視業(yè)務(wù)系統(tǒng)中的應(yīng)用
手，闡述將個性化推薦算法技術(shù)引入視頻點(diǎn)播系統(tǒng)的必要性。個性化推薦使用特殊的信息過濾技術(shù)，向用戶推薦其感興趣的內(nèi)容。簡而言之，個性化推薦算法是將用戶的個人喜好與具體的內(nèi)容特征進(jìn)行對比，從而響應(yīng)預(yù)測用戶對某些未評分項目的喜好程度。選擇參考功能項基于內(nèi)容屬性、用戶屬性和情景信息。關(guān)鍵詞：個性化推薦;融合推薦;數(shù)據(jù)挖掘;自學(xué)習(xí)能力0引言隨著江蘇有線互動電視業(yè)務(wù)的快速發(fā)展，互動電視節(jié)目內(nèi)容進(jìn)入海量時代。業(yè)務(wù)部門通過每日更新欄目推薦內(nèi)容，使用戶可以快速瀏覽到業(yè)務(wù)部門推
電子樂園·下旬刊 2020年8期2020-09-10
- 國內(nèi)媒體個性化算法推薦研究熱點(diǎn)分析
? 算法;個性化推薦;文獻(xiàn)計量中圖分類號? G206? ? ? 文獻(xiàn)標(biāo)識碼? A? ? ? 文章編號? 2096-0360（2020）13-0007-041? 研究背景學(xué)界關(guān)于算法的研究最早可追溯到20世紀(jì)，而它作為一項新技術(shù)應(yīng)用于新聞業(yè)則發(fā)生在近10年，今日頭條的橫空出世更是將算法技術(shù)推上了風(fēng)口浪尖。截至2016年10月，今日頭條的激活用戶數(shù)量就已達(dá)6億，其中1.4億的活躍用戶，每天每個用戶的平均使用時間為76分鐘[1]。同年，算法推薦正式超過人工編輯成
新媒體研究 2020年13期2020-09-06
- 基于用戶行為的電子商務(wù)個性化推薦探討
點(diǎn)，衍生出個性化推薦，希望通過分析用戶行為數(shù)據(jù)，精準(zhǔn)把控用戶喜好，進(jìn)行個性化推薦，提高顧客的忠誠度和購物體驗。本文以用戶行為數(shù)據(jù)分析為切入點(diǎn)，在此基礎(chǔ)上探究個性化推薦，提出見解，希望可以為我國電子商務(wù)行業(yè)的發(fā)展提供一些參考意見。關(guān)鍵詞： 個性化推薦;用戶行為;電子商務(wù)網(wǎng)站;信息管理一、用戶行為數(shù)據(jù)電子商務(wù)網(wǎng)站的用戶行為數(shù)據(jù)對網(wǎng)站運(yùn)營的影響可謂無處不在，小到和網(wǎng)站的產(chǎn)品更新、推薦方式、服務(wù)推薦等日常行為息息相關(guān)，大到對網(wǎng)站的日常運(yùn)營、產(chǎn)品的迭代更新、部門之間
經(jīng)營者 2020年16期2020-08-26
- 大數(shù)據(jù)環(huán)境下基于云計算的圖書館用戶信息 挖掘技術(shù)研究
掘結(jié)果執(zhí)行個性化推薦。用戶信息挖掘結(jié)果顯示，所研究技術(shù)能有效挖掘圖書館用戶興趣類型，以及用戶群體信息和時間序列信息。關(guān)鍵詞： 圖書館用戶; 信息挖掘; 云計算; 大數(shù)據(jù)環(huán)境; 用戶分類; 個性化推薦中圖分類號： TN911.2?34; TP391.4? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼： A? ? ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）06?0168?03Research on library user infor
現(xiàn)代電子技術(shù) 2020年6期2020-08-03
- 研究構(gòu)建電信網(wǎng)絡(luò)詐騙防范預(yù)警信息平臺
款能夠利用個性化推薦系統(tǒng)，根據(jù)用戶年齡、職業(yè)、文化程度等信息形成用戶自定義個人畫像，為群眾量身訂造防范電信網(wǎng)絡(luò)詐騙的教育平臺APP，從而解決傳統(tǒng)網(wǎng)絡(luò)與線下宣傳教育出現(xiàn)的問題。通過Android系統(tǒng)構(gòu)建“防詐通”電信詐騙信息聚合平臺APP，利用推薦系統(tǒng)算法將數(shù)據(jù)進(jìn)行分類并與用戶畫像結(jié)合實現(xiàn)個性化的防詐案例集，給用戶提供大量與自身切合的防詐新聞，培養(yǎng)并加固群眾的防范意識，以此來實現(xiàn)教育培養(yǎng)與提高公民防范電信網(wǎng)絡(luò)詐騙意識的目的。關(guān)鍵詞：個性化推薦;Android
網(wǎng)絡(luò)空間安全 2020年5期2020-07-26
- 基于協(xié)同過濾算法的嘻哈之家平臺設(shè)計
對用戶進(jìn)行個性化推薦，同時還涵蓋BBS論壇、海量數(shù)據(jù)存儲技術(shù)、實時網(wǎng)絡(luò)分享技術(shù)。嘻哈之家平臺采用MVC設(shè)計模式、B/S架構(gòu)、tomcat服務(wù)器，以Java作為主要開發(fā)語言，打造一個整合性平臺，最終促進(jìn)國內(nèi)嘻哈文化發(fā)展。關(guān)鍵詞：嘻哈之家;文化推廣;協(xié)同過濾算法;MVC;個性化推薦;BBS中圖分類號：TP391文獻(xiàn)標(biāo)識碼：A文章編號：2095-1302（2020）07-00-030 引 言近年來國內(nèi)音樂被嘻哈浪潮席卷，嘻哈文化愛好者數(shù)量激增，從而為嘻哈文化的發(fā)
物聯(lián)網(wǎng)技術(shù) 2020年7期2020-07-23
- 電子商務(wù)個性化推薦研究現(xiàn)狀及展望
：電子商務(wù)個性化推薦極大提升了用戶購物體驗，引起了學(xué)界的廣泛關(guān)注。計算機(jī)領(lǐng)域的學(xué)者首先對個性化推薦的算法、模型進(jìn)行了研究，隨后營銷和信息系統(tǒng)領(lǐng)域的學(xué)者們也從消費(fèi)者行為視角來探討電子商務(wù)個性化推薦。本文將從用戶接受和消費(fèi)者的影響兩個方面來闡述電子商務(wù)個性化推薦的研究現(xiàn)狀及展望，以期為后續(xù)相關(guān)研究提供理論支持和幫助。關(guān)鍵詞：電子商務(wù)；個性化推薦；用戶接受；用戶評價引言近幾年，電子商務(wù)網(wǎng)站迅猛發(fā)展，雖然給用戶帶來購物上的便利，但同時也讓用戶面臨信息超載從而導(dǎo)致選
電子商務(wù) 2020年7期2020-07-20
- 基于用戶興趣的個性化推薦模型構(gòu)建
用戶興趣的個性化推薦系統(tǒng)在多個領(lǐng)域內(nèi)獲得了廣泛的應(yīng)用。在貨運(yùn)產(chǎn)業(yè)中，運(yùn)用個性化推薦模型可以使整個產(chǎn)業(yè)鏈運(yùn)轉(zhuǎn)效率更高，節(jié)約時間成本和經(jīng)濟(jì)成本。在本文中筆者提出了一種貨運(yùn)信息的個性化推薦方法，通過該種方法可以有效降低貨運(yùn)車輛的閑置時間，提高貨運(yùn)車輛的利用效率，降低公路運(yùn)輸?shù)某杀尽ｊP(guān)鍵詞：公路運(yùn)輸? 個性化推薦? 物流成本1? 概述1.1 用戶興趣模型用戶興趣模型有如下建立方式：第一，通過對用戶主動在互聯(lián)網(wǎng)中輸入的信息進(jìn)行分析和計算，個性化推薦系統(tǒng)將以此為基礎(chǔ)描
科技創(chuàng)新導(dǎo)報 2020年10期2020-07-14
- 教育信息資源個性化推薦服務(wù)模式研究
我們首先對個性化推薦服務(wù)的概要進(jìn)行了深入的探究，然后分析了教育信息資源個性化推薦服務(wù)模式的內(nèi)涵，并結(jié)合實際情況，對未來相關(guān)服務(wù)模式的發(fā)展進(jìn)行了合理展望，希望能對相關(guān)行業(yè)的從業(yè)人員起到應(yīng)有的啟發(fā)作用。關(guān)鍵詞：教育信息資源;個性化推薦;服務(wù);模式引言：隨著大數(shù)據(jù)時代的全面到來，教育信息資源也呈現(xiàn)出了爆炸式增長的趨勢，而學(xué)生的個性化學(xué)習(xí)需求卻難以得到的充分滿足。根據(jù)數(shù)據(jù)預(yù)測來看，現(xiàn)代化科技導(dǎo)致全球信息總量呈現(xiàn)出了爆炸式增長的情況，而2020年全球的數(shù)據(jù)總量將達(dá)到
科學(xué)導(dǎo)報·學(xué)術(shù) 2020年24期2020-07-10
- 大數(shù)據(jù)背景的變頻興趣變化推薦算法研究
。關(guān)鍵詞：個性化推薦;協(xié)同過濾;推薦算法;興趣變化;大數(shù)據(jù)推薦系統(tǒng);相似度計算中圖分類號：TP391 ? ? ? ?文獻(xiàn)標(biāo)志碼：A ? ? ? ? 文章編號：2095-2945（2020）20-0014-03Abstract： The existing collaborative filtering algorithms that adapt to the change of interest can not reflect the frequency o
科技創(chuàng)新與應(yīng)用 2020年20期2020-06-29
- 泛在學(xué)習(xí)資源個性化推薦公眾平臺設(shè)計
在學(xué)習(xí)資源個性化推薦和個性化學(xué)習(xí)，增強(qiáng)學(xué)習(xí)者與學(xué)習(xí)資源的相關(guān)性，幫助學(xué)習(xí)者提高學(xué)習(xí)效率，論述了泛在學(xué)習(xí)的內(nèi)涵，闡述了泛在學(xué)習(xí)公眾平臺相關(guān)研究現(xiàn)狀?；谛袨橹髁x學(xué)習(xí)理論和因材施教理論設(shè)計了包含學(xué)習(xí)者層面、教師層面、系統(tǒng)層面和管理員層面的泛在學(xué)習(xí)資源個性化推薦微信公眾平臺相關(guān)功能模塊，可為相關(guān)研究提供參考。關(guān)鍵詞：泛在學(xué)習(xí);學(xué)習(xí)資源;個性化推薦;公眾平臺DOI： 10. 11907/rjdk.191809開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：中圖分類號：TP
軟件導(dǎo)刊 2020年4期2020-06-19
- 面向智慧課堂的視頻服務(wù)系統(tǒng)設(shè)計與實現(xiàn)
視頻檢索;個性化推薦DOI： 10. 11907/rjdk.191 829開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：中圖分類號：TP319文獻(xiàn)標(biāo)識碼：A文章編號：1672-7800（2020）004-0147-05The Design and Implementation of Video Service System for Intelligent ClassroomCHEN Kai-xuan'. CHEN Hui. HUANG 2hao-cuj2（I .
軟件導(dǎo)刊 2020年4期2020-06-19
- 基于個性化推薦的在線教育平臺構(gòu)建研究
濾算法實現(xiàn)個性化推薦功能。對學(xué)習(xí)者在平臺上的注冊數(shù)據(jù)以及學(xué)習(xí)運(yùn)動軌跡中產(chǎn)生的數(shù)據(jù)進(jìn)行聚類分析，從而根據(jù)分析結(jié)果來為學(xué)習(xí)者推送更合適的學(xué)習(xí)內(nèi)容，以此提高在線學(xué)習(xí)的效率。構(gòu)建師生、生生的線上學(xué)習(xí)模式，為探索線上到線下的融合學(xué)習(xí)模式起到推動作用。關(guān)鍵詞：在線教育;個性化推薦;協(xié)同過濾算法中圖分類號：G64? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A? ? ? ? ? 文章編號：1673-9132（2020）19-0003-02DOI：10.16657/j.cnki.iss
學(xué)周刊 2020年19期2020-06-15