面向档案服务的数字化情景推荐模型研究

文章基于情景要素分类,提出了一种情景化推荐模型。从情景含义、情景类别、用户个性化情景角度介绍了档案服务的情景化推荐模型,最后指出了情景化推荐模型的构建。对面向档案服务的数字化情景推荐模型研究,有助于提高用户满意度,解决档案服务的情景推荐问题。

融合Fisher线性判别分析的多维特征融合情景感知推荐方法

针对采用单维特征建立用户的偏好模型所导致的推荐结果无法有效覆盖用户潜在偏好特征而影响推荐质量的问题,提出了一种基于Fisher线性判别分析的多维特征融合情景感知推荐方法。该方法建立了包含时间衰减度、属性偏好、偏好可影响程度等多维特征的偏好样本空间;采用特征融合、投影变换等方法,在最佳鉴别矢量空间基于Fisher判别准则融合用户的多维特征;采用拉格朗日乘子法求解最优投影方向,建立起多维特征优化的偏好获取模型。在BookCrossing与Netfilix数据集上的实验结果表明:与现有方法相比,所提方法的推荐准确率平均提高了16.61%,多样性平均提高了约38.01%,能够有效地覆盖用户的潜在偏好特征,并取得更好的推荐质量。

面向云计算的大数据知识服务情景化推荐

大数据知识服务的情景化推荐,就是将用户情景信息引入个性化推荐过程,结合云计算技术提出的一种大数据知识服务方法。该方法首先计算大数据知识服务用户的情景相似度,并构造与目标用户当前情景相似的情景集合,建立基于项目评分情景的评分矩阵,最后进行云计算Mapreduce化的情景化推荐。实验表明,该方法获得了比传统推荐方法更低的MAE误差值,可成功应用于面向大数据知识服务的情景化推荐。

基于推荐函数情景化的多维信息推荐研究

多维信息推荐在推荐的过程中考虑情景因素对用户行为的影响,动态捕捉用户兴趣在不同情景下的变化,向用户提供更加个性化的推荐结果。首先介绍多维信息推荐的维度、情景、推荐函数与推荐流程等相关内容,然后提出了推荐函数情景化这一新的方法,构建了基于推荐函数情景化的多维信息推荐系统模型,研制了基于推荐函数情景化的多维信息推荐算法,并通过实验研究的方法验证了论文所提出的新算法的高效性与优越性。

面向情景化推荐服务的高校图书馆用户画像构建研究

用户画像能够在用户、图书馆之间搭起交流桥梁,为图书馆情景化推荐服务提供基础性指导,为"互联网+"时代高校图书馆增强用户体验提供契机。在简要分析高校图书馆情景化推荐服务基本需求的基础上,详细阐述了用户画像在高校图书馆情景化推荐服务中的价值体现,即提供精准需求、实现精准宣传、实现精准推荐和提供参考依据,从数据收集、用户建模和画像勾勒三方面构建面向情景化推荐服务的高校图书馆用户画像,并提出在高校图书馆用户画像构建过程中要重点关注的"个人信息保护"问题。

基于多源数据融合的数字图书馆情景化推荐模型

在概述多源数据融合理论的基础上,就多源数据融合技术在数字图书馆中的应用进行了阐述,从情景含义、情景类别、用户个性化情景角度介绍了数字图书馆情景化推荐模型的构成要素,并就基于多源数据融合的数字图书馆情景化推荐模型进行构建。构建多源数据融合的数字图书馆情景化推荐模型有助于提高用户满意度,解决数字图书馆情景化推荐问题。

面向云计算的大数据知识服务情景化推荐解析

面向云计算的大数据知识服务情景化推荐是根据客户所处的地理位置、业务需求、日常阅读习惯等内容,展开的情景化挖掘,并从海量的数据信息中,攫取满足用户需求的知识信息的一种新型服务模式。本文就面向云计算的大数据知识服务情景化推荐展开探讨,并对其所面临的需求和问题进行阐述,旨在为相关技术人员提供参考,积极推动知识服务水平和知识服务质量的提升,实现知识服务产业的持续健康发展。

基于多源数据融合的数字图书馆情景化推荐模型研究

本文结合多源数据理论提出了一种情景化推荐模型。在概述多源数据融合理论的基础上,就多源数据融合技术在数字图书馆中的应用进行了阐述,指出了情景化推荐模型的构建。对多源数据融合的数字图书馆情景化推荐模型研究,有助于提高用户满意度,解决数字图书馆情景化推荐问题。

基于深度学习的空间变换情景感知模型研究

利用情景感知构建的智慧家庭模型,打破了应用服务与智能家居结合的壁垒,使得情景感知作为智慧家庭应用服务推荐手段变得越来越重要,而其中最重要的就是情景感知服务模型和情景推理机制。文中通过空间变换理论构建了情景感知服务模型,并引入深度学习作为情景推荐机制的算法模型,提供了一种智慧家庭情景感知服务的构建方式。

移动商务推荐系统研究综述

近年来,随着移动商务的快速发展,移动商务推荐系统应运而生,成为缓解“移动商务信息”过载、提升移动商务用户购物体验的有效手段,得到广泛关注。如何利用移动商务情景、社会化网络等信息挖掘用户偏好,提高移动商务推荐精准度和用户满意度,成为移动商务推荐系统的主要任务。从情景推荐、社会网络推荐和移动推荐多样性等方面对移动商务推荐系统的研究进展和成果进行综述。最后,总结并指出现有移动商务推荐系统研究的不足和未来的发展趋势。