融合标签特征和时间上下文的协同过滤推荐算法

推荐系统是解决信息过载问题的有效方法,而协同过滤通过挖掘用户行为信息来预测用户偏好,是现今广泛应用的推荐方法.但传统的协同过滤算法存在数据稀疏,推荐精度不高的问题.而标签信息能够丰富用户(资源)之间的联系,从而提高推荐精度.通过标签信息来构造用户和资源的特征矩阵,进一步融合到基于邻域的协同过滤推荐算法中,预测用户对资源的评分.同时考虑了用户评分的时间上下文影响,降低预测误差.在真实的数据集上验证,该推荐算法与传统协同过滤算法相比,有效的预测用户评分,提高推荐精度.

面向社会关系的移动用户好友推荐算法

针对移动用户好友关系挖掘问题,利用无线网络终端传感器发现近邻节点,通过对社会关系指标进行排序预测潜在的用户好友,并按照关系紧密程度推荐给用户.这是一种隐式的挖掘方法,数据即可以在本地进行处理,也可以上传到社交网站,因此一定程度可以保护用户的隐私.本文最终实现根据移动传感器的数据自动生成用户的好友,并利用用户真实社交网络的数据进行效果评估.

一种基于时间和标签上下文的协同过滤推荐算法

针对常规推荐算法数据单一、准确性和可靠性都比较低的问题,提出了将时间和标签上下文信息加入到推荐算法中,以丰富单个用户或商品的信息。利用时间信息挖掘用户间的影响关系,同时利用标签上下文来衡量物品间的关系,最后将用户关系向量和物品关系向量融合到概率矩阵分解模型中。实验结果表明,提出的协同过滤推荐算法能够提高推荐的准确性和精度。

信息技术在事业单位档案信息化方面的应用措施

大数据时代,档案信息化有利于保存档案资料,方便查阅,减少翻阅资料带来的人为磨损和破坏。对海量地质资料数据进行挖掘和分析,可为决策者提供数据支撑。本文从档案信息化平台搭建、数据分析利用和保密安全技术三个方面展开论述,以期为档案信息化工作提供思路和借鉴。