基于个性化特征的电子商务智能推荐系统

为了解决传统电子商务智能推荐系统计算出的MAE值过高,导致系统预测结果不准确的问题,设计一种基于个性化特征的电子商务智能推荐系统。硬件部分将PC104工控机作为处理CPU,将数字信号处理器DSP与储存芯片MPC565作为处理核心,引入信号光纤补偿系统,设计时钟信号电路、复位电路以及电源电路,连接使用的硬件,完成硬件部分的设计。软件部分依据电子商务的特点计算出其个性化特征,然后使用关联规则算法处理得到个性化特征数据,利用Java工具将其转化为代码,使用不同功能的代码实现智能推荐,完成软件部分的设计。实验结果表明,与传统电子商务智能推荐系统相比,基于个性化特征的电子商务智能推荐系统在给定的数据组中计算出来的MAE值更小,系统预测结果更准确,更适合实际使用。

基于深度神经网络的继续教育信息智能推送技术研究

在线教育因其系统化、海量化、便捷化以及可以实现精准推送服务而被广泛应用。传统的课程推送模型通常依靠深度学习算法进行模型训练,利用其特征提取学习能力对系统的隐藏特征进行提取。在解决抓取数据过程中出现稀疏问题的同时,也对计算机性能提出了更高的要求,模型训练需要耗费大量的时间。文中针对上述传统课程推送模型算法的不足,将多层神经元模型算法与个性化推荐算法进行结合,并对课程数据进行训练验证。实验结果表明,文中所建立深度神经网络推荐模型的MAE值相较于传统算法有明显的下降,同时训练迭代次数也大幅减小,说明提出的算法模型可以有效缩短数据的训练时间,提高模型的推荐性能。