检索结果-内蒙古大学图书馆

财经论丛 2022年第9期 91-101页

作者：黄元豪黎静仪李先国许安心中国人民大学商学院北京100082 浙江农林大学经济管理学院浙江杭州311300 福建农林大学经济管理学院福建福州350002

基于用户对主动式推荐的心理抗拒背景,结合情感适应理论与关系传播理论,对用户感知因素进行梳理,构建了用户在基于关系的推荐框架下对推荐采用的决策模型。为验证假设,收集569份有效问卷,运用Amos进行实证分析。结果显示:推荐采用是一... 详细信息

基于用户对主动式推荐的心理抗拒背景,结合情感适应理论与关系传播理论,对用户感知因素进行梳理,构建了用户在基于关系的推荐框架下对推荐采用的决策模型。为验证假设,收集569份有效问卷,运用Amos进行实证分析。结果显示:推荐采用是一个动态决策过程,被推荐用户与推荐用户的关系强度与兴趣匹配度正向影响其对推荐过程的信任感;信任感进一步改善了被推荐用户对推荐内容的操纵意图推断,最终影响其推荐采用意愿;被推荐用户的自我建构会调节信任感对操纵意图推断的影响,当用户为依存型自我建构时,信任感会减少操纵意图推断,当用户为独立型自我建构时,信任感对于减少操纵意图推断的影响变弱。

关键词：推荐采用推荐框架情感适应理论心理抗拒操纵意图推断

来源：评论

学校读者我要写书评

暂无评论

基于语义网格的个性化信息推荐框架研究

基于语义网格的个性化信息推荐框架研究

引用

2009年信息化与信息资源管理学术研讨会

作者：孙雨生董慧武汉大学信息资源研究中心武汉 430072

本文针对现行个性化信息推荐中存在的精度不高、智能性差、方式单一、推荐规模与质量相矛盾、推荐受众与信息来源比较固定等缺陷，分析互联网、语义网、网格技术解决个性化信息推荐问题的局限性。以此为基础，提出基于语义网格的个性化... 详细信息

本文针对现行个性化信息推荐中存在的精度不高、智能性差、方式单一、推荐规模与质量相矛盾、推荐受众与信息来源比较固定等缺陷，分析互联网、语义网、网格技术解决个性化信息推荐问题的局限性。以此为基础，提出基于语义网格的个性化信息推荐总体框架，并讨论了其体系结构及运行机制，初步形成分布、异构、海量信息环境下的大规模、高精度个性化信息推荐解决方案。

关键词：语义网格个性化推荐信息推荐推荐框架推荐受众

来源：评论

学校读者我要写书评

暂无评论

面向网络电视的推荐系统框架及算法研究

面向网络电视的推荐系统框架及算法研究

引用

作者：肖洁华东师范大学

学位级别：硕士

网络电视(IPTV)在互联网技术的快速发展势头下,逐步走进了千家万户,并日渐发展成熟。它以海量和优质的视频服务,以及开放自由的交互服务方式吸引了广大的用户。然而,正是由于其资源量的不断膨胀,为用户寻找资源加大了难度。为解决这个问... 详细信息

网络电视(IPTV)在互联网技术的快速发展势头下,逐步走进了千家万户,并日渐发展成熟。它以海量和优质的视频服务,以及开放自由的交互服务方式吸引了广大的用户。然而,正是由于其资源量的不断膨胀,为用户寻找资源加大了难度。为解决这个问题,很多的视频交互平台都推出了个性化推荐服务,帮助用户找到感兴趣的资源。目前应用于IPTV的推荐系统大多采用协同过滤、基于内容、基于规则等主流推荐算法。但是面对IPTV提供的电视广播、娱乐、电子商务等多种互动功能,当前只选用一种算法或算法简单加权的单策略模式推荐系统显得力不从心。为此,本文提出了能够灵活根据应用需求加载不同算法的DAC推荐系统框架,以满足多服务需求。通过对IPTV系统用户以及资源特点的研究,现有的几种算法在推荐效果上也各自存在着一些弊端,而且它们并不适用于IPTV推荐的各个场合。因此,本文提出了几种适用于不同应用场合的推荐算法,以提高推荐系统效果与效率。同时,在科研项目的支持下,本文所述推荐框架及算法在实际的IPTV平台上得以实施及应用,并取得了良好的成果。

关键词：网络电视推荐框架推荐算法标签用户模板

来源：评论

学校读者我要写书评

暂无评论

基于深度神经网络的个性化商品推荐研究

基于深度神经网络的个性化商品推荐研究

引用

作者：范汝鑫合肥工业大学

学位级别：硕士

随着用户和商品内容的快速增长,导致用户越来越难凭借手动搜索或逐一查看的方式获得自己感兴趣的商品,为了提升用户的消费体验和效率,互联网平台利用推荐系统帮助用户在选购商品时提供参考,借助推荐算法挖掘出用户最可能喜欢的商品进行... 详细信息

随着用户和商品内容的快速增长,导致用户越来越难凭借手动搜索或逐一查看的方式获得自己感兴趣的商品,为了提升用户的消费体验和效率,互联网平台利用推荐系统帮助用户在选购商品时提供参考,借助推荐算法挖掘出用户最可能喜欢的商品进行推送。但传统的推荐算法在面对历史交互数据稀疏或新商品推荐的情形时都存在明显的不足,在推荐领域使用深度神经网络的方法可以有效的解决以上问题。本文将基于潜在特征的模型与深度神经网络有效结合在一起,提出了两种混合推荐算法,能够同时从商品内容信息和历史交互信息中挖掘特征,分别应用于不同生命周期的商品推荐。最后根据商品特点构建了基于深度神经网络的推荐框架,为不同的商品匹配合适的算法,提升推荐的准确性。本文的主要工作包括:(1)详细分析了传统推荐算法结合深度学习技术的发展历程和研究现状,提出了目前研究中存在的不足,给出了造成这些不足的原因并给出解决的思路。将本论文中所涉及到的相关理论基础进行介绍,分别对协同过滤算法、基于内容的推荐和深度神经网络的基本思想、理论背景和实际应用中适用情况展开介绍。(2)新商品缺乏历史交互数据,通过引入图像数据并利用卷积神经网络从中提取商品视觉内容特征作为推荐系统的辅助信息,结合隐语义模型从评分数据中挖掘的商品潜在特征,两类特征相辅相成、互相补充。将卷积神经网络和隐语义模型有效结合,并提出了一种新颖的混合推荐算法,通过在真实数据集下的对比实验,该算法要明显优于其他的模型,在数据稀少时,模型表现出优良的稳定性。(3)为了提高成熟商品的推荐效果,引入高质量的评论文本数据,利用基于注意力机制的长短期记忆神经网络从用户和商品的评论文本提取文本特征表征商品的潜在特性,弥补文本与推荐系统的语义鸿沟。与潜语义模型挖掘评分数据的特征两者结合,相互制约、相互补充。最后通过现实世界的真实数据集对该混合推荐算法进行对比实验,实验结果表明该算法提高了评分预测的准确性且很好的兼顾了推荐效率。(4)将前面提出的基于深度神经网络的推荐算法集成到一个推荐框架中,根据商品的不同生命周期将产品细分,分别采用不同的方法进行训练和预测,有效提高准确性。另外,该推荐框架充分利用当今互联网时代的数据资源,添加了蕴藏大量信息的非结构化数据,丰富推荐系统的数据输入。通过对比实验评估基于深度神经网络的推荐框架整体的推荐性能。实验结果证明,本文提出的基于深度神经网络的推荐框架的推荐性能优于现有的推荐框架。

关键词：深度神经网络隐语义模型卷积神经网络长短期记忆网络混合推荐算法推荐框架

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：