基于遗传算法的全局优化检索策略研究

案例检索是基于案例推理(CBR)系统中的关键技术,也是实现智能挖掘系统的关键环节。为了能够进一步提高案例检索效率与准确性,传统研究多是从案例属性和案例库的约减两方面入手,但是没有考虑案例属性权重。提出了一种基于遗传算法的全局优化案例检索模型,该模型利用遗传算法在搜索优化上的优势,对案例库、属性权重、K-NN中的K值进行全局同步优化。最后,通过实验验证了该模型在检索效率与准确性上优于传统模型。

基于协同过滤算法的高校图书书目推荐系统设计

为了实现高校图书馆借阅系统中的个性化推荐,本研究以图书的借阅持续时长、借阅总次数、续借次数作为兴趣度分量,利用协同过滤算法以及k近邻搜索算法解决借阅关系矩阵稀疏问题,构建基于兴趣度与类型因子的协同过滤推荐模型并设计了五层体系的书目推荐系统,实现了两大分区12个模块的借阅与推荐类功能。经过1 000名学生的实际借阅数据验证,结果表明当近邻个数取60以上且推荐书目为20时推荐效果最佳,为高校图书管理提供了智能化推荐手段。