基于RIMER方法的体系能力需求推荐方法

随着现代作战样式和军事信息系统的深度复杂化,军事需求工程的任务也逐渐加重。当下,能力需求是军事需求建设的一个重要着眼点。本文聚焦能力需求的构建阶段,运用规范化需求描述、基于置信规则库的证据推理(belief rule-base inference methodology using the evidential reasoning,RIMER)等方法对基于能力的体系需求推荐方法展开了研究。之后,以工兵的作战任务想定为背景,展开了案例研究,完成了对于该想定下工兵能力需求的推荐并验证了所提出能力需求推荐方法的可行性和合理性。并将需求推荐带入了军事需求场景,获得了一种应用于军事复杂系统需求生成的新方法,加速了能力需求的生成。

基于协同过滤和内容的用户需求混合推荐算法

个性化需求信息推荐是需求识别和获取的有效手段之一。文章提出了一种基于协同过滤和内容筛选的混合推荐模型,该模型利用用户特征相似性解决传统协同过滤的冷启动和稀疏性问题,并基于需求内容的特征提取和分析筛选掉与目标用户兴趣相差较大的需求,以此来提高推荐的准确性。实验表明,该模型能够避免数据稀疏问题,并提高需求推荐的质量。

基于ReqWiki元模型的需求推荐方法

针对大规模涉众需求协商过程中出现的需求讨论不聚集,部分需求容易被忽略等问题,提出了一种基于ReqWiki元模型的需求推荐方法,将涉众分为领域专家和普通涉众,并基于偏好聚类;同时根据建立的候选待推荐需求筛选指标体系,更准确的找出被推荐需求。实验表明,该文算法更好的控制了被推荐涉众的范围,提高了推荐准确度,在推荐效果方面得到较大改善。

科研人员的个性化推荐需求研究

文章基于用户视角揭示了科研人员的个性化推荐需求,构建了个性化推荐需求层次模型。丰富了用户视角下个性化推荐研究,为知识服务平台更具针对性地设计个性化推荐提供了理论指导,为实现个性化推荐算法与用户视角下个性化推荐研究的融合提供了参考。研究采用半结构化深度访谈,对22名科研人员进行了访谈,使用NVivo11质性分析工具进行数据分析。研究发现,科研人员的个性化推荐需求包括内容需求、交互功能需求、界面布局需求、效能需求和情感需求,其中,需要首先满足的是内容需求,其次是交互功能需求和界面布局需求,再次是效能需求,最后是情感需求。基于此,研究提出科研人员个性化推荐需求层次模型。此外,研究表明,任务、交互检索习惯、推荐解释影响着科研人员对个性化推荐的需求和关注。

基于智能推荐的在线组队平台

基于智能推荐的在线团队平台是一个将具有相同兴趣、目的和地理位置的用户结合在一起的交流平台。它为先前的组队系统添加了智能推荐过程。核心思想是基于用户的历史搜索记录、用户对需求或信息的偏好以及对用户未来行为的预测,发现需求与需求之间的相似性以及向用户推荐相似的需求。该平台使用基于需求和协同过滤的两种推荐算法进行智能推荐,并为平台上发布的每个团队需求提供在线聊天室功能,以便需求发布者和潜在参与者可以实时沟通和互动,达到快速有效组建团队的目的。