基于TextCNN模型的电子期刊文献推荐方法研究

论文提出基于TextCNN模型的电子期刊文献推荐方法,旨在更好地精确把握文献内容的本质特征与用户文献需求的深层关系,实现电子期刊文献推荐服务的个性化和精准化。使用word2vec对文献题录信息进行向量化,使用TextCNN模型训练文献推荐模型,最后主动将符合用户需求的文献推送给科研用户。实践证明,论文设计的推荐模型能够为用户推荐电子期刊文献,效果良好。

电子购物车推荐效应:基于娱乐产品的田野实验

基于一场包括近13000名消费者并由中国领先的数字阅读平台之一所支持的田野实验,本研究旨在对比电子购物车推荐和主页推荐在娱乐产品领域中的效果。结果表明,与主页推荐相比,电子购物车推荐对消费者下载具有显著的正向影响。此外,当电子购物车中的产品较多时,这种正向影响会减弱;但当消费者更活跃时,这种影响会增强。本研究还发现电子购物车推荐会影响其他产品,使得非推荐产品的下载量增加。我们的发现为研究人员和管理人员提供了新见解,以了解消费者对娱乐产品的电子购物车推荐的反应。

基于PU-Learning和TextCNN的文献推荐方法研究

论文旨在将现有的机器学习研究成果运用到图书馆文献推荐的实际工作中,以充分发挥电子资源的作用。鉴于难以获得用户对文献资源的显式评价,因此将用户浏览、下载的文献视为正类文献,将用户未交互的文献视为未标记文献,通过卷积网络文本分类模型并结合PU-Learning算法对待推荐文献的推荐概率进行预测。实践证明该方法具有较高的精准性,能够在图书馆文献推荐实际应用中发挥作用。

积极情绪对用户信息技术采纳意向影响的实验研究——以电子商务推荐系统为例

在技术接受模型(TAM)、情绪心理学、神经科学等理论的基础上,以一个电子商务推荐系统为例,通过情景实验的方式考察积极情绪对用户信息技术采纳行为的影响。对实验数据的统计分析表明积极情绪正向影响用户对信息技术的采纳意向,并存在直接和间接相结合的影响模式。即积极情绪既直接提高采纳意向,也同时通过感知风险、感知有用性和感知易用性作为不完全中介变量提高采纳意向。在考虑情绪因素后,技术接受理论得到了丰富,也为信息技术推广方获得更高的用户接受程度提供了新的切入点。

基于三维协同过滤的C2C电子商务推荐系统

个人对个人电子商务(customer to customer,C2C)是目前主流的电子商务模式之一,为解决C2C电子商务网站中特殊的推荐问题,对传统的二维协同过滤方法进行了扩展,提出了能进行卖家和商品组合推荐的三维协同过滤推荐方法,并在此基础上设计了C2C电子商务推荐系统,阐述了该系统的基本架构和推荐过程中的关键运算。该系统利用卖家属性计算卖家相似度,并依据销售关系和卖家相似度对评分数据集进行填充,以解决三维评分数据的稀疏问题;采用协同过滤思想,利用历史评分计算买家相似度,获取最近邻并预测未知评分,最终将预测评分最高的卖家和商品组合推荐给目标买家。实验结果表明,该系统具有较好的推荐效果。

全网兴趣图谱下电子商务推荐理论研究现状

介绍了现有的电子商务推荐技术与系统,分析了其中存在的数据稀疏性、冷启动、推荐精度低和实时性差等问题,阐述了利用全网数据构建用户兴趣图谱进行推荐的方法,探讨了基于兴趣图谱的推荐与跨网推荐取得的进展,证明该方法的提出具有重要的现实意义。

电子商务个性化推荐系统的应用

在传统的电子商务推荐系统的基础上,引入了分布式计算、基于语义的发布/订阅、本体库等技术手段,设计了一种个性化电子商务推荐模型系统,构建了电影领域的本体库,并在Protégé3.3.1中实现本体库模型。重点实现了用户特性聚类算法和基于语义的发布/订阅匹配算法。实验结果表明,基于发布/订阅的个性化推荐系统具有较好的推荐准确率。

数据挖掘在电子商务推荐系统中的应用设计

提出了基于数据挖掘的电子商务推荐系统的设计。

综合社区与关联序列挖掘的电子政务推荐算法

个性化推荐作为一种有效的信息获取手段已成功应用于电商、音乐和电影等领域。已有研究多数聚焦于推荐的精度,缺乏对推荐结果的多样性考虑,忽略了应用领域中被推荐项目的流程特性(如"互联网+政务"中办事项的推荐)。为此提出一种综合用户社区与关联序列挖掘(CAS-UC)的电子政务推荐算法,优先向用户推送利益关联最大的办事项。首先,对用户和办事项的静态基本属性以及动态行为属性分别进行特征建模;其次,基于用户的历史办事记录和属性相似度进行用户社区发现,预筛选出与目标用户最为相似的用户集,提高推荐结果的多样性,减少核心推荐过程的计算量;最后,办事项的关联序列挖掘充分考虑了电子政务的业务特性,加入时间维度的办事项序列挖掘,进一步提高了推荐结果的精度。以芜湖市易户网为平台载体,基于Spark计算平台对用户脱敏后的信息进行仿真,实验结果表明,CAS-UC适用于被推荐项目具有序列或流程特性领域的推荐,与传统推荐算法如协同过滤推荐、矩阵分解以及基于语义相似度的推荐算法相比,具有更高的推荐精度,用户的多社区归属因素增加了推荐结果的多样性。

一种基于径向基函数与模糊自适应共振的电子商务推荐方法

针对协同过滤推荐算法面临数据稀疏特征时推荐效果较差,存在冷启动、稀疏性、可扩展性等问题,提出应用径向基函数神经网络(RBFN)去解决传统协同过滤的缺点,有效地对稀疏性数据进行平滑处理,得到消除稀疏性后的完全评价矩阵。并提出通过模糊自适应共振神经网络对用户相似性聚类进行改进,进行实时推荐。实验评价结果表明,该方法与传统协同过滤推荐方法相比,无论在推荐精度还是推荐相关性上都更为有效。

基于数据挖掘技术的电子商务旅游线路推荐系统

近年来,电子商务推荐系统趋于成熟,并得到了广泛的应用。电子商务旅游线路推荐系统,能够在信息数据分析的基础上,实现个性化的旅游线路设计。在具体的推荐系统设计中需要处理好实时性与精度这对矛盾,基于数据挖掘技术的电子商务旅游线路推荐系统,运用关联规则算法,获得各个景点之间的关联关系,能够实现较为理想的旅游线路推荐效果。

电子商务推荐系统与客户满意度相关性研究

在电子商务环境下,网站的推荐效果,客户的满意度是企业是否能够保持竞争优势,获取长期利润的关键。本文以推荐系统和客户满意度出发,通过推荐系统的评价指标和客户满意度的影响因素连接两个主体,通过探讨两者的相关性,以达到优化推荐系统,提高客户满意度,最大化企业的长期利润的最终目的。

模糊逻辑在电子商务商品推荐系统中的应用

在电子商务平台中提供有针对性的商品推荐机制以帮助用户快速准确地找到所需的商品非常重要。综合满意度是指根据用户关注的商品的不同属性的满意度在商品推荐中所占的权重不同,对商品的各属性满意度进行加权运算得到的满意度度量值。根据商品综合满意度的排序进行商品的推荐可以提高推荐的准确性。商品满意度是一个模糊的概念,提出了使用模糊逻辑来处理商品满意度的方法,并提出了一整套基于满意度的商品推荐机制。论文介绍了一个基于商品满意度的电子商务商品推荐系统的框架,重点介绍了其中的基于模糊逻辑的商品属性满意度处理方法和基于商品综合满意度的商品推荐规则,并给出了一个商品推荐的模拟实例。

基于云计算的电子商务推荐平台的构建分析

文章通过对电子商务推荐系统和云计算的相关技术进行分析,并且结合中国电信目前的电子商务应用情况,以及发展电子商务推荐应用面临的问题,提出应用Hadoop和Mahout等云计算技术构建中国电信的电子商务推荐系统的运营体系,并对其发展重点、难点和前景进行探讨。

电子商务推荐系统综述及发展研究

本文在现有文献的基础上给出了推荐系统的定义及其发展历史,比较了推荐系统中的几种常用的推荐算法及其优缺点,总结了推荐系统的体系结构和未来研究的重点,难点及其热点,最后论述了电子商务企业在实际应用中如何利用推荐系统带来价值。

基于用户行为数据挖掘的数字图书馆电子资源推荐服务研究

随着数据挖掘技术的不断发展,信息数据的挖掘水平得到快速提高。为了提高数字图书馆电子资源推荐服务的水平,有效避免"数据孤岛",文章从基于用户行为数据挖掘的数字图书馆电子资源推荐服务模型的构建策略及构建方案着手,分析了数据挖掘技术在数字图书馆电子资源推荐服务中的作用,为数字图书馆提高用户的信息采用率提供了参考。

Web日志挖掘在电子商务推荐中的应用

介绍电子商务和Web数据挖掘的概念,并介绍Web使用挖掘中应用最多的技术——Web日志挖掘.重点阐述了日志挖掘算法——关联规则的有关知识,以及改进的频繁项目集生成算法Apriori和强关联规则生成算法,并结合实例进行了分析研究.

电子商务推荐系统顾客满意度模糊评价

随着网购的流行,电子商务推荐系统对于顾客网购的决策有一定的影响作用。推荐系统质量的好与坏,需要更加量化的去评价。本文从电子商务推荐系统对顾客满意度的影响因素出发,构建了一个指标评价体系;运用层次分析法客观地对指标体系之间相对重要性进行了指标权重的确定;根据已知的权重进行模糊综合评价。将电子商务推荐系统的顾客满意度情况通过层次分析法和模糊综合评价的综合评价,得出量化的结果。

电子商务推荐系统评述

随着电子商务的不断发展,电子商务推荐系统的应用更加广泛。本文介绍评述了电子商务推荐系统的分类、技术、发展趋势等。

电子商务环境中个性化信息推荐服务的发展

基于因特网的电子商务蓬勃发展,信息强度和密度前所未有,用户数与项目数呈级数增长,个性化信息推荐服务显得越来越重要.电子商务下的个性化信息推荐系统在理论和实践上都得到了很大发展,协同过强推荐技术是最成功的个性化推荐系统.