医学信息资源个性化服务推荐系统设计与实施

本文针对医学信息资源的特点,设计了一种新型的主题词概念分层协同过滤算法,从而构建了一个医学信息资源推荐模型系统MedPRS。通过初步测试,证明其显著提高了推荐的质量。

基于情景大数据的图书馆个性化服务推荐系统研究

大数据时代,图书馆个性化服务面临着诸如数据海量、种类繁多、快速增长、价值巨大的严峻的挑战。本文在描述大数据背景及其特点的基础上,研究了基于情景大数据的图书馆个性化服务推荐系统。该系统将读者的情景大数据引入个性化服务推荐过程,可以全面、及时、准确地评估读者需求,并根据读者的爱好实时、主动地推荐服务。

一种泊车服务推荐系统的设计

以自动泊车产品为例,介绍一个如何锁定目标用户以及向用户推荐,并最终引导用户购买,做好售后运营的比较完整的泊车服务推荐系统。该系统旨在解决难以对存在泊车服务需求的目标人群进行精准推送及后续运营维护的技术问题。通过文中的推荐系统向用户推广泊车产品,在提高产品覆盖率的同时,可以满足用户智能出行需求,助力车企转变商业模式,营造和谐安全的社会环境。

基于机器学习的社区老年借阅推荐服务系统设计

本文明确了社区图书借阅服务在老年人精神生活中的重要性,并基于此提出了开发一个基于机器学习的社区老年借阅推荐服务系统的必要性。通过用户需求分析确定了系统设计的基本需求,详细介绍了数据收集与处理的方法,以确保推荐系统的数据基础坚实。在此基础上,本文深入探讨了推荐算法的选择与实现,最终完成了推荐系统功能的实现,为社区老年人提供智能、个性化的图书借阅推荐服务。

智能图书馆个性化推荐服务系统构建研究

从图书数据资源挖掘、个性化推荐服务的角度出发,利用关联规则数据挖掘与清洗技术、UML建模工具,针对不同图书馆的读者类型、功能或服务需求,建立起智能图书馆个性化推荐服务系统,设置用户管理模块、数据处理模块、热门图书推荐模块、个性化图书推荐模块,完成对不同类别图书资源的检索、挖掘、存储与智能推荐,以取得较为良好的图书咨询与管理、个性化推荐服务效果。

基于云‒端融合的个性化推荐服务系统

主流个性化推荐服务系统通常利用部署在云端的模型进行推荐,因此需要将用户交互行为等隐私数据上传到云端,这会造成隐私泄露的隐患。为了保护用户隐私,可以在客户端处理用户敏感数据,然而,客户端存在通信瓶颈和计算资源瓶颈。针对上述挑战,设计了一个基于云‒端融合的个性化推荐服务系统。该系统将传统的云端推荐模型拆分成用户表征模型和排序模型,在云端预训练用户表征模型后,将其部署到客户端,排序模型则部署到云端;同时,采用小规模的循环神经网络(RNN)抽取用户交互日志中的时序信息来训练用户表征,并通过Lasso算法对用户表征进行压缩,从而在降低云端和客户端之间的通信量以及客户端的计算开销的同时防止推荐准确率的下跌。基于RecSys Challenge 2015数据集进行了实验,结果表明,所设计系统的推荐准确率和GRU4REC模型相当,而压缩后的用户表征体积仅为压缩前的34.8%,计算开销较低。