结合DenseNet和SOM聚类的个性化推荐方法

为解决推荐系统的个性化应用问题,提出一种融合准确性和多样性的多目标优化推荐模型DenseNCF。利用自组织映射网络(Self-Organizing Map,SOM)模型对推荐项目样本进行聚类分析,并建模用户的多样性倾向度。采用DenseNet深层卷积网络学习用户和项目的外积交互特征,得到精准的推荐结果。根据用户的多样性倾向度,设计综合准确性和多样性的损失函数,实现模型的端到端训练。在公开数据集上进行实验验证,结果表明所提模型的性能比简单的CNN网络结构的模型更优,既能够保证推荐结果的准确性,同时能有效提高推荐结果的多样性。

数据分析报表多样化展现工具软件设计

首先提出数据分析报表多样化展现工具软件的用途,其次介绍该软件的架构设计、流程设计,最后总结软件通过为用户提供包含数据集成、可视化分析、多维分析、数据挖掘等在内的一站式敏捷分析服务平台,让大数据复杂分析变得更简单,解决面向业务数据的大数据应用实施周期过长的问题。