共查询到20条相似文献，搜索用时 15 毫秒
1.
[目的/意义]推荐系统已经成为电子商务网站的重要组成部分之一,为用户提供多种形式的信息推荐服务。国内以淘宝、京东和亚马逊为代表的电子商务网站的推荐系统采用不同的技术架构和多种热点推荐技术,并且越来越重视信息服务的质量。对推荐系统服务质量进行比较研究,能够进一步推动电子商务推荐系统的发展。[方法/过程]首先,从准确性、时效性、新颖性三个技术指标对比以上推荐系统的技术架构对于推荐服务质量的影响;其次,以用户体验作为信息服务质量评价的基础,对182名受访者进行热点技术的认可度调查,研究热点技术对推荐服务质量的影响;最后,对功能模块的用户体验情况进行调查和比较分析。[结果/结论]在这些研究、调查和分析的基础上,给出电子商务推荐系统使用的技术架构和热点技术,以及改进功能模块设计的对策,以进一步提升推荐系统的信息服务质量。 相似文献
2.
[目的/意义] 为了提高传统协同过滤算法的计算速度,解决目标用户随着时间推移发生兴趣偏移而导致推荐系统质量下降的问题,以期进一步提升推荐系统运行效率和推荐质量。[方法/过程] 提出预先计算用户相似度算法和引入时间评分权重计算相似度矩阵的两种算法的改进,并利用Hadoop平台实证分析改进后的算法。[结果/结论] 实验结果证明：预先计算用户相似度算法缩短了对读者推送相关信息的时间,从而有效地提升了计算速度;引入时间评分权重计算相似度矩阵大大降低了MAE值,从而提高了推荐质量,两种算法同时应用后推荐系统在计算速度、准确率和新颖性方面都有显著提升。 相似文献
3.
4.
[目的/意义]个性化推荐系统的流行度偏见表现为向用户推荐最热门而非最相关的物品,是影响公平性的重要因素之一,对推荐系统中的多个利益相关者产生严重影响。通过科学的定量方法准确识别流行度偏见,有助于评估现有推荐算法中存在的偏见问题,有助于优化系统,实现可信的人工智能,具有重要的理论和实践价值。[方法/过程]通过对比分析方法,对当前推荐系统领域内主流的流行度偏见测度指标进行对比,以此为基础构建一个推荐系统流行度偏见发现的多维指标框架,并进行实证分析。[结果/结论]从多样性、个性化、用户满意度、公平性、长期效益、整体表现六个维度阐明了个性化推荐系统中流行度偏见的测量方法,实证结果表明,该测度方法指标覆盖面广、测量准确性高、科学实践性强,具有一定的先进性。 相似文献
5.
[目的/意义]信息过载一直是知识工作者在搜集、处理和创造知识的过程中所面临的主要困境。这种困境导致的结果之一是很难回忆起曾经使用过的文档的内容细节及具体位置，而推荐系统则能减少这样的困难。通过研究对比不同推荐系统在这一任务下的优缺点，可以帮助知识工作者更好地完成回忆任务。[方法/过程]基于相关理论，在同一场景（知识找回）模拟实现并测试了4种不同类型的推荐过程，包括基于内容的推荐CBR、基于协同过滤的推荐CFR、基于推理网络的推荐INR与融入了情境感知的推荐CAS，根据所确定的若干指标（精确性、情境相关性、预测性、多样性）对推荐效果进行比较。[结果/结论]结果显示，以上推荐系统在帮助用户回忆并找回文档过程中都有各自的优势，而基于情境感知的推荐系统在情境相关性与预测用户行为方面具有较好的效果。 相似文献
6.
[目的/意义]针对目前使用标签推荐方法所得结果不理想的问题,改进传统相似度计算方式,并结合多种标签推荐方法,提高推荐准确性。[方法/过程]融合基于内容与协同过滤的推荐思想,利用LDA进行相似度计算得出资源与用户的近邻集合,并抽取资源内容关键词,以此构建标签混合推荐模型,最后以"豆瓣读书"为例对模型进行验证,同时与几种标签推荐方法进行比较。[结果/结论]在社会标注系统中,必须考虑用户-资源-标签3个维度,仅考虑单一角度势必会造成结果的不完整,同时在相似度计算时引入LDA能够挖掘潜在语义关系,提高推荐质量,且组合多种方法取长补短可以令推荐结果更为满意。 相似文献
7.
[目的/意义]科研社交网络与大众社交网络一样存在信息过载问题,利用推荐系统向科研人员推送个性化信息是解决该问题的重要手段。通过与国外主流科研社交网络相比较,找出我国科研社交网络的推荐系统存在的问题,进而寻求解决之道。[方法/过程]从推荐项目、推荐策略、冷启动方案、用户偏好学习4个方面,对科研之友、学者网、ResearchGate、Academia这4个科研社交网络的推荐系统进行对比。[结果/结论]我国科研社交网络的推荐系统在上述4个方面都与国外同行存在明显的差距,存在推荐项目较少、推荐策略单一、冷启动效果差、用户偏好学习能力弱等问题。针对这些问题,提出改进建议。 相似文献
8.
9.
[目的/意义]以高校图书馆馆藏图书数据库和各类论文数据库等海量的文献资源为基础,设计推荐方案并基于Spark技术开展实证研究,力图优化图书馆文献推荐效果和提高系统计算性能。[方法/过程]首先分析大数据背景下高校图书馆文献推荐的需求,接着针对存在的文献查找缺失、文献浏览迷航和文献分析低效的现状,提出一种以文献"混合关联"为主要内容的图书馆文献推荐方案及实现算法,并应用Spark内存计算技术设计实证案例,最后对实证结果进行讨论并与同类算法比较。[结果/结论]基于Spark的文献"混合关联"方案能有效满足用户需求,提高文献推荐性能和效率,促进当前图书馆大数据应用的落地。 相似文献
10.
“211工程”高校图书馆馆藏资源推荐系统调查探析 总被引：1，自引：1，他引：0
[目的/意义]调研推荐系统在高校图书馆中的应用现状及存在的问题,为增强图书馆对知识信息的智能处理能力提供参考依据。[方法/过程]通过对国内116所"211工程"院校进行网站访查和问卷调查,用定量分析与定性分析相结合等方法,对调查结果进行归类、分类统计和对比分析。[结果/结论]研究发现,受访高校图书馆均提供非个性化推荐服务,63%受访高校提供个性化推荐服务;推荐服务内容丰富、方式多样、形式各异,79%的高校积极寻求与其他平台的合作,拓宽推荐深度和广度。存在的问题包括:图书馆推荐系统个性化程度不高,过于依赖图书管理集成系统所附带的推荐功能,不够系统化、智慧化;推荐系统满意度有待提高,有相当多的用户担心推荐系统会泄露个人隐私。 相似文献
11.
[目的 /意义]针对在线问诊平台中医生推荐满意度较低的问题,探究如何将信息技术与用户认知相结合以提升医生推荐系统的效果,有助于优化在线问诊平台的用户体验。[方法 /过程]首先,基于1 500名医生的基本信息和78万余条用户提问,对比TF-IDF、Doc2Vec和Word2Vec三种词向量模型的医生推荐效果,以最优模型构建医生推荐系统原型;然后,通过用户实验和访谈获取用户使用该系统的行为数据,深入挖掘在线问诊平台医生推荐情境中的用户认知与意义构建过程;最后,从用户角度提出模型优化思路,实现原型系统的改进。[结果/结论 ]基于Word2Vec词向量模型的医生推荐效果最优,前10位医生候选集中88%的医生有能力回答用户问题;用户实验结果显示,科室信息与医生专业极大影响用户选择,医生曾回答过的相似问题是用户的重要参考信息;基于以上结果,提出并实现建立科室预测分类器以及为健康医学关键词赋予较高权重的两种模型优化思路,并通过匹配度指数对医生推荐结果进行优化排序。结果表明,两种方法均可提高医生推荐系统的准确度,证明用户认知与人工智能算法结合具有可行性。 相似文献
12.
13.
14.
[目的/意义]算法推荐类APP吸引了大量用户使用,提高用户留存率一直是各类应用关注的重点。文章探索了用户流失行为的影响因素,为减少用户流失、提升用户使用体验提供建议和对策。[方法/过程]文章采集算法推荐类APP用户评论9772条,采用扎根理论对数据进行编码,以此厘清用户流失行为影响因素,构建算法推荐类APP用户流失行为影响因素模型。[结果/结论]信息因素、环境因素、系统因素、网络社群通过影响用户的控制感间接影响用户流失行为,用户的信息素养在控制感和用户流失行为中起调节作用。 相似文献
15.
16.
17.
[目的/意义]研究移动社交网络情境中用户与联系人关系、用户感知联系人行为如何影响用户对产品推荐信息反应意愿,并就研究结果提出管理对策。[方法/过程]通过手机微信平台收集的316份有效问卷,运用偏最小二乘回归法对数据进行分析。[结果/结论]结果表明：对联系人推荐的认知信任和情感信任正向影响用户对产品推荐信息反应意愿;亲密度和过去经历正向影响联系人推荐的认知信任和情感信任;过度发布行为负向影响联系人推荐的认知信任和情感信任。但是,相似性与对联系人推荐的认知信任和情感信任之间关系未获得支持。 相似文献
18.
学术文献引文推荐研究进展 总被引：1，自引：0，他引：1
[目的/意义]学术文献引文推荐是指对于给定的学术文献,自动化地为其推荐合适的引文和参考文献。借助于引文推荐,用户可以在一定程度上提高撰写学术文献的效率,降低对重要相关文献的漏引。[方法/过程]分析国内外引文推荐研究的最新进展,阐述引文推荐问题的演化过程,从局部引文推荐和全局引文推荐等方面对引文推荐进行梳理,重点归纳文档相似性、主题模型、翻译模型、协同过滤和混合推荐等5种引文推荐常用方法,并总结引文推荐常用数据集和测评方法。[结果/结论]已有引文推荐研究的主要问题在于未考虑用户偏好的动态变化性及研究领域的综合性,在用户研究和实际应用方面仍有所欠缺;未来引文推荐的研究可运用语义化表达方法和自然语言生成技术,从基于上下文的引文推荐和跨语言引文推荐等方面进行展开。 相似文献
19.
个性化推荐在图书馆信息服务系统中的应用 总被引：1，自引：0，他引：1
个性化推荐被认为是解决信息过载最有效的工具,已经在高校图书馆信息服务系统中得到了广泛应用。对高校图书馆个性化推荐系统的应用现状、推荐方法进行了综述,并指出高校图书馆个性化推荐系统面临的问题和下一步研究的方向。 相似文献
20.
[目的/意义]将认知升级理论融入图书馆智慧推荐服务中,以实现知以藏往、见贤思齐的智慧化推荐服务。[方法/过程]首先,从兴趣热度、内容质量评价和专指度3个指标入手,构建图书馆智慧推荐系统的指标体系;其次,基于认知升级理论,将用户分为“前辈”和“后辈”,通过改进协同过滤推荐算法计算用户相似度,将“前辈”的成功学习路径推荐给相似的后辈;最后,利用精准率、召回率、AUC、MMR、F1值等指标对离线实验和在线实验结果进行检验。[结果/结论]实验结果表明,改进后的智慧推荐算法相比传统协同过滤算法的实现效果有明显提高;对比离线实验和在线实验结果发现,在线实验的推荐效果显著提升,意味着若将基于认知升级理论的智慧推荐服务加以推广,将会对高校学生的专业素质培养和认知层次升级产生积极影响。 相似文献