检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

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

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

74 篇 学位论文
38 篇 期刊文献
1 篇 会议
1 篇 成果

馆藏范围

114 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

107 篇 工学
- 101 篇 计算机科学与技术...
- 94 篇 软件工程
- 6 篇 控制科学与工程
- 5 篇 仪器科学与技术
- 2 篇 土木工程
- 1 篇 电子科学与技术（可...
- 1 篇 信息与通信工程
25 篇 管理学
- 22 篇 管理科学与工程(可...
- 1 篇 工商管理
- 1 篇 公共管理
- 1 篇 图书情报与档案管...
6 篇 经济学
- 6 篇 应用经济学
6 篇 理学
- 2 篇 数学
- 2 篇 统计学（可授理学、...
- 1 篇 大气科学
- 1 篇 系统科学
5 篇 教育学
- 5 篇 教育学
2 篇 医学
- 1 篇 公共卫生与预防医...
- 1 篇 药学(可授医学、理...
1 篇 法学
- 1 篇 马克思主义理论
1 篇 文学
- 1 篇 新闻传播学
1 篇 艺术学
- 1 篇 音乐与舞蹈学

主题

114 篇 混合推荐算法
18 篇 推荐系统
18 篇 协同过滤
9 篇 个性化推荐
7 篇 推荐算法
5 篇 hadoop
5 篇 冷启动
5 篇 协同过滤算法
4 篇 mapreduce
4 篇 隐语义模型
4 篇 卷积神经网络
3 篇 数据稀疏
3 篇 用户画像
3 篇 图书推荐系统
3 篇 数据挖掘
3 篇 深度学习
3 篇 spark
2 篇 协同过滤推荐算法
2 篇 聚类算法
2 篇 注意力机制

机构

6 篇 吉林大学
3 篇 北京交通大学
3 篇 中国科学院大学
2 篇 福建师范大学
2 篇 河北大学
2 篇 上海师范大学
2 篇 西华大学
2 篇 长春理工大学
2 篇 华中师范大学
2 篇 成都理工大学
2 篇 北京邮电大学
2 篇 上海交通大学
2 篇 重庆大学
2 篇 西安电子科技大学
2 篇 华东师范大学
2 篇 电子科技大学
2 篇 厦门大学
2 篇 浙江大学
2 篇 南京邮电大学
2 篇 南开大学

作者

2 篇 任磊
2 篇 zhao wenjing
2 篇 夏巽鹏
2 篇 李伟豪
2 篇 ren lei
1 篇 李林涛
1 篇 吴婷婷
1 篇 张兴宇
1 篇 巩敦卫
1 篇 董奔
1 篇 于旭
1 篇 朱帝同
1 篇 li cheng
1 篇 邱家新
1 篇 陈力帆
1 篇 cui can
1 篇 chenxuyang
1 篇 卞艺杰
1 篇 yu xin
1 篇 xu hao

语言

112 篇 中文
2 篇 英文

检索条件"主题词=混合推荐算法"

共 114 条记录，以下是61-70 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于社交媒体平台的自媒体内容推荐系统设计与实现

基于社交媒体平台的自媒体内容推荐系统设计与实现

引用

作者：孙飞强中国科学院大学

学位级别：硕士

近年来，随着国内互联网的发展和普及，以“两微一端”为代表的自媒体平台的影响力越来越大，且逐步成为公众重要的信息来源。得益于自媒体平台的传播能力，自媒体团队或个人纷纷涌现，每天产生海量自媒体内容，用户遇到严重的信息过载... 详细信息

近年来，随着国内互联网的发展和普及，以“两微一端”为代表的自媒体平台的影响力越来越大，且逐步成为公众重要的信息来源。得益于自媒体平台的传播能力，自媒体团队或个人纷纷涌现，每天产生海量自媒体内容，用户遇到严重的信息过载问题，无论是对自媒体用户还是对自媒体都是很大的挑战:对于自媒体用户，从大量信息中找到自己感兴趣的信息是一件非常困难的事情;对于自媒体团队让自己生产的内容产品脱颖而出受到用户的关注，也是一件非常困难的事情，推荐系统正是解决这一问题的工具。因此本文研究基于自媒体平台的自媒体内容推荐，正是连接用户和自媒体信息，一方面帮助用户发现对自己有用的信息，另一方面也可以让自媒体信息能够展现在对它感兴趣的用户面前。\n 本文的研究成果如下:\n (1)提出了一种更适合自媒体内容推荐的混合推荐算法，自媒体内容推荐相似与新闻推荐，如用户喜欢看热门的内容和最新的内容。但自媒体内容阅读又区别与传统的新闻阅读，用户在阅读自媒体内容时往往表现出一些新的特点，如:自媒体用户用手机阅读和用PC阅读的比例比传统的新闻阅读大的多;用户的碎片化浅阅读习惯，使得用户下一刻期望阅读的内容受环境心情的影响很大。因此，在这种推荐场景下，传统的基于用户长期历史行为的推荐方法很难满足这点。而需要基于用户的短期会话行为，更好地捕获用户当前的情感变化。另外通过研究实际数据发现，用户的阅读序列往往不是孤立的，当前阅读的内容主题往往受到之前阅读主题的影响，同理，当前的反馈也能够影响到此后的决策，传统的基于长期历史数据特征挖掘的推荐方法无法满足这些需求;最后自媒体用户的阅读习惯往往更个性化，这有别于传统新闻推荐注重热门和时效性甚于注重个性化的特点。本文深入分析、验证了自媒体用户的特点，并结合这些特点提出了一种融合多种推荐算法和循环神经网络的混合推荐算法，各子推荐器扬长避短，给予自媒体用户更好的推荐结果。同时该推荐算法有很好的可拓展性，可以随着新的用户特点的发现扩充该算法。本文还用实际的用户数据，验证了该混合推荐算法的有效性、实用性。并和其它几个经典的推荐算法的结果进行了对比。\n (2)设计和实现了推荐系统，该推荐系统分为爬虫组件、数据预处理组件、算法组件和Web服务组件。爬虫组件负责微博自媒体和微信公众号自媒体内容的自动爬取;数据预处理组件基于Spark、HDFS等分布式框架或工具，实现了海量非结构化和半结构化数据到结构化数据的自动处理;算法组件基于Spark MLib和Tensorflow实现了自媒体内容推荐算法的分析、训练、预测;Web服务组件基于ThinkPHP、HTML5等工具和框架实现了推荐结果展示功能，并用Bootstrap的栅格系统实现网页在不同尺寸设备上的自适定，美观网页。Web服务组件还基于Kafka和log4PHP实现了用户行为日志的实时搜集。\n 实践证明，本文的自媒体内容混合推荐算法和本文设计实现的推荐系统，有效的解决了自媒体用户信息过载的问题，有一定的实用价值。

关键词：自媒体平台内容推荐系统软件开发混合推荐算法

来源：评论

学校读者我要写书评

暂无评论

基于数据挖掘的个性化推荐算法研究

基于数据挖掘的个性化推荐算法研究

引用

作者：刘琳竹北京理工大学

学位级别：硕士

在这个信息爆炸的时代,每天互联网上产生海量的数据,对于如何能够准确而迅速地找到自己想要的信息是亟待解决的问题。推荐系统能够帮助用户在海量的资源中寻找到真正有价值的信息,节约用户的寻找成本,同时也提高用户对网站的忠诚度,增... 详细信息

在这个信息爆炸的时代,每天互联网上产生海量的数据,对于如何能够准确而迅速地找到自己想要的信息是亟待解决的问题。推荐系统能够帮助用户在海量的资源中寻找到真正有价值的信息,节约用户的寻找成本,同时也提高用户对网站的忠诚度,增加网站收益。目前推荐系统在电子商务、广告投放、社会网络、数字图书馆、电影和音乐点播等领域得到广泛应用,未来的社会化网络将被推荐系统所推动发展。所以推荐系统逐渐得到学术界和工业界的广泛关注。美国计算机学会和国内外期刊多次把推荐系统列为研讨主题。其中,推荐算法在推荐系统中具有至关重要的地位。因此,需要研究一种高效的个性化推荐算法,充分利用现有的数据集,深入挖掘用户和其有过评分行为的物品之间的关系,建立预测模型,来预测每个用户对于他没有过行为的物品的兴趣度,从而针对每个用户形成自己的推荐列表,进行个性化推荐。本文具体从以下三个方面对个性化推荐算法进行研究:(1)基于隐含语义模型(LFM)优化方法的研究LFM可以找出隐含的主题或分类,并通过隐含的主题或是分类建立特征之间的联系。这个算法的核心思想是先建立用户对物品的评分矩阵,再求解两个低维矩阵,使得两个低维矩阵相乘可以近似表征这个评分矩阵。一般求解LFM采用梯度下降的方法来最小化损失函数,但考虑到应用在推荐系统领域中,要处理海量的数据,所以本章提出了采用CUDA对随机梯度下降算法并行化的方法提高推荐效率。(2)基于CUDA并行化PersonalRank算法利用随机游走理论可以较好的解释PersonalRank算法,但该算法训练数据的时间损耗过大。因为为了给每个用户推荐物品,需要在整个二分图上进行不断迭代,直到整个二分图上的每个结点的PR值收敛。所以这一过程所需耗费的时间过长,不仅无法提供实时在线的推荐,而且生成离线推荐的结果也非常耗时。因此,针对这一问题,本文对PersonalRank算法采用CUDA进行并行化,从而提高推荐的效率。(3)隐含语义模型和PersonalRank算法混合在推荐算法的应用中,优秀的个性化推荐方法一般是通过混合对多个乃至上百个模型才得以取得良好的推荐效果,因此可见多模型的混合对提高推荐的精确度起着必不可少的作用。因此,提出了一种融合隐含语义模型和基于随机游走的PersonalRank算法的混合推荐算法,先利用隐含语义预测用户对没有评价过的物品的评分,对于预测评分大于某个阈值的来填充用户评分矩阵,再对用户和物品建立图模型,然后利用PersonalRank算法计算每个用户的对每个物品的Rank值,取Top-N进行推荐给用户。最后,在Moive Lens数据集上验证了利用隐含语义模型填充稀疏矩阵对预测评分效果。

关键词：数据挖掘隐含语义模型 PersonalRank 混合推荐算法 CUDA

来源：评论

学校读者我要写书评

暂无评论

基于大数据的自由行行程推荐系统设计与实现

基于大数据的自由行行程推荐系统设计与实现

引用

作者：李嘉梦上海交通大学

学位级别：硕士

随着互联网技术的高速发展,越来越多的人从互联网进行信息数据的搜索与存储,这样就使得网络中数据量呈爆炸式增长,大数据时代的来临意味着获取信息的途径更简便,但同时在大数据中获取真正符合个人需求的信息越来越难。用户往往被淹没在... 详细信息

随着互联网技术的高速发展,越来越多的人从互联网进行信息数据的搜索与存储,这样就使得网络中数据量呈爆炸式增长,大数据时代的来临意味着获取信息的途径更简便,但同时在大数据中获取真正符合个人需求的信息越来越难。用户往往被淹没在海量数据中,很难发现对自己真正有价值的信息。虽然搜索技术的不断完善使得我们可以通过搜索引擎快速查找到需要的信息,但对于用户深层次的需求,仅仅依靠搜索引擎难以挖掘与分析。为帮助用户更好的发现自身需求,让自身感兴趣的信息从海量数据中脱颖而出,引入基于大数据分析的个性化推荐系统来协助用户快速发现有用的信息,主动的向客户推荐他们所希望的符合他们兴趣爱好的内容。推荐系统利用推荐算法,根据用户的行为特征与兴趣偏好向用户推荐个性化的信息。本文主要研究基于自由行大数据分析的个性化推荐技术,利用基于内容的过滤技术、基于协同过滤技术及基于位置服务技术的混合应用,自由行行程推荐系统设计为离线、近线、在线三部分模块,通过离线部分运行耗时长、数据量大的计算,使用相似性建模解决推荐系统的冷启动问题。通过在线实时处理,根据用户模型使用不同推荐算法为用户进行个性化推荐。系统使用混合推荐算法提高推荐精度。经过实验结果表明,与单一推荐算法相比有效提高了推荐的准确性。自由行行程推荐系统采用多种大数据处理平台技术,引入Hadoop平台MapReduce对数据进行处理,将数据进行分类并行计算。利用Hermes平台按需载入数据的特性,将需要使用的数据加载到内存中进行遍历搜索,提高了推荐系统对大数据的查找与索引能力。针对不同业务场景,使用一种或多种推荐算法的混合计算,提高个性化推荐结果的质量。最后,通过对自由行行程推荐系统实验,采用离线实验与在线实验。离线实验采用,MAE(Mean Absolute Error平均绝对误差)及综合评价指标,使用训练集与测试集来评价推荐算法的质量。在线实验采用ABTesting验证方法,使用转化率指标来评价新老两种算法的优劣。在本文最后提出对系统的改进方案,并对自由行行程推荐系统的研究方向提出自己的看法。

关键词：推荐系统混合推荐算法大数据 MapReduce 冷启动

来源：评论

学校读者我要写书评

暂无评论

基于Hadoop的个性化旅游推荐系统的设计与实现

基于Hadoop的个性化旅游推荐系统的设计与实现

引用

作者：郑楠北京工业大学

学位级别：硕士

随着科技和交通逐渐进步与发达，旅游业也开始突飞猛进的发展，选择在业余生活出门旅游已成为人们生活中必不可少的一部分，但要从繁多的旅游景点中选择合适的出行目的地，不是件容易的事情。现在主流的旅游网站中大多是推荐热门景点，... 详细信息

随着科技和交通逐渐进步与发达，旅游业也开始突飞猛进的发展，选择在业余生活出门旅游已成为人们生活中必不可少的一部分，但要从繁多的旅游景点中选择合适的出行目的地，不是件容易的事情。现在主流的旅游网站中大多是推荐热门景点，这很难匹配到用户的个人兴趣偏好，所以个性化旅游推荐系统对旅游行业的发展和旅游爱好者的出行都有着重要的社会意义。\n 本系统基于Hadoop平台并行开发，提高系统计算效率，并提出混合推荐算法，通过对用户本身特征和其历史行为记录进行分析，为用户量身推荐旅游景点，并从不同角度提供多种推荐结果供其选择。本系统的特色主要体现在以下几点:\n 1、设计Hadoop自动化安装系统，实现跨系统平台操作并可选择多种组件。\n 设计开发了一套Hadoop集群环境自动化安装部署系统，解决了原手动安装耗力且不易成功的问题。该系统特点在于操作简单，实现了跨平台安装，即通过本地浏览器即可对远程服务器进行操作，且共有5个组件可供选择安装，同时编写了组件模板，方便后期扩展新组件的自动化安装。\n 2、混合推荐算法，解决单独算法存在缺陷，并提高推荐准确率。\n 在推荐算法上作了一定改进，主要体现在两种方式，一种是将基于物品的协同过滤算法和基于内容的推荐算法进行自适应切换执行，避免了协同过滤算法存在的稀疏矩阵问题;第二种是将基于用户的协同过滤算法和基于内容的推荐算法相融合进行计算，克服了基于内容推荐算法的推荐结果单调的问题，最后将这种方法与基于SVD模型的用户协同过滤推荐算法进行对比，有效验证采用第二种方式的推荐结果在召回率和准确率上都有所提高。这两种方法从不同角度为用户进行个性化计算，推荐结果均会展现给用户。\n 3、设计web交互平台，为用户进行可视化推荐。\n 通过网页形式为用户展示，特色在于既给出热门推荐，又展示个性化推荐。主要包括三大页面，即热门推荐页、类别推荐页和个性化推荐页。热门页面主要为用户推荐人气较高的前十名景点，并展示全国各省近五年内接待旅游人数和各省适合旅游的季节;类别页面主要为用户推荐各类别下人气较高的前十景点，并展示各类别的特征词云图;在个性化推荐页面上为用户提供了两种混合推荐算法的个性化推荐结果，使用户多种选择，同时还为用户推荐了十五名相似好友。此外，页面还提供了景点相似度查询和景点搜索等功能，增加用户交互。

关键词：个性化旅游推荐系统 Hadoop平台混合推荐算法 web交互平台

来源：评论

学校读者我要写书评

暂无评论

基于混合推荐的电影推荐系统的研究与实现

基于混合推荐的电影推荐系统的研究与实现

引用

作者：张月蓉安徽大学

学位级别：硕士

随着人们娱乐的发展,精神娱乐显得尤为重要,电影作为一项普及的精神娱乐,越来越受到人们的重视。但是,如何在海量的电影中找到满足自己喜爱的电影却成为一个难题。个性化推荐算法应运而生,它就是来解决如何在海量信息中寻找关键点,向用... 详细信息

随着人们娱乐的发展,精神娱乐显得尤为重要,电影作为一项普及的精神娱乐,越来越受到人们的重视。但是,如何在海量的电影中找到满足自己喜爱的电影却成为一个难题。个性化推荐算法应运而生,它就是来解决如何在海量信息中寻找关键点,向用户推荐出符合用户要求的信息。对于一个推荐系统来说,如何记录用户历史信息并利用这些历史信息分析用户行为并预测用户潜在感兴趣的内容是本系统研究的重点。本文的主要研究内容就是帮助用户从海量电影信息中解脱出来,自动的向用户推荐出用户感兴趣的电影,避免让用户陷入过多信息干扰。本论文介绍了多种推荐算法,每种算法都有各自的优缺点,单一使用某一算法都不能完成系统的实际需求；因此,在实践应用中把多种算法融合到一起来推荐,显得尤为重要。本论文以每个推荐算法为基础,以推算方法混合为研究重点,主要目的是尝试研究算法融合在实践应用中的准确性和效率性。混合电影推荐系统的核心是B/S三层构架,分别是表现层、业务层和数据层。本系统结合这三层体系进行实现。采用UML建模语言进行设计。论文首先调研推荐系统的原理和特点,在此基础上构建出电影推荐系统的理论基础。基本的推荐算法有：协同过滤算法、基于内容的推荐算法、基于网络的推荐算法等；了解和掌握每个算法的优缺点,以便在系统实现过程中使用合理的推荐算法。其次,在讨论实现系统所需技术的基础上,对电影推荐系统的业务需求进行调研。在需求分析的基础上进行模块设计、总体框架设计、推荐算法设计；并在此基础上实现系统的数据库。最后是基于混合推荐算法的电影推荐系统的实现。该系统能够有效地管理电影信息,并且为用户提供电影推荐服务。

关键词：电影混合推荐算法推荐系统协同过滤基于内容的推荐算法

来源：评论

学校读者我要写书评

暂无评论

基于改进的协同过滤算法在课程资源推荐系统的应用

基于改进的协同过滤算法在课程资源推荐系统的应用

引用

作者：刘昊东南京邮电大学

学位级别：硕士

如今,信息技术与教育教学正在迅速融合,我们熟知的线下教育模式已经很难满足学生对个性化学习资源的需求,尤其在疫情期间,在线教育已经成为传统教育的重要补充,这种趋势也在不断地推动线上教育行业的发展,随之各式各样的网络课程资源也... 详细信息

如今,信息技术与教育教学正在迅速融合,我们熟知的线下教育模式已经很难满足学生对个性化学习资源的需求,尤其在疫情期间,在线教育已经成为传统教育的重要补充,这种趋势也在不断地推动线上教育行业的发展,随之各式各样的网络课程资源也涌入到在线教育平台,从而导致课程信息严重“超载”,用户在学习过程中会明显感受到平台上的课程资源过于纷繁杂乱,不能根据用户的特点和需求对其选择课程进行个性化引导,很容易让用户在大量的网络课程资源搜寻中迷失方向,使得最终的学习效率大打折扣。为了精准地刻画用户画像,拟采用协同过滤算法为用户推荐个性化的课程资源。而在实际应用过程中,此算法存在着诸多问题影响着推荐系统的性能,如拓展性差、冷启动、马太效应、数据稀疏等问题。因此本文在传统协同过滤算法的基础上对其进行改进,然后将改进的算法通过加权得到混合推荐算法,最终设计并实现课程资源推荐系统。本文主要工作如下:(1)研究当下课程资源推荐平台的现状,阅读与推荐系统和推荐算法相关的文献资料,以及对协同过滤算法和混合推荐算法的研究现状和相关理论进行学习,并探索一些优秀学者对算法的改进和验证。(2)提出了基于用户特征权重置信度的协同过滤推荐算法,此算法一方面缓解了传统的协同过滤算法在遇到新用户时没有历史行为数据而引起的冷启动难题,另外一方面,也降低了因用户评分矩阵的稀疏性所造成推荐效果较差的影响。(3)提出了基于热门度修正因子的协同过滤推荐算法,此算法通过判断该项目的热门度是否超过相应的阈值,来决定对它是否进行修正,其原理是降低热门项目在算法计算过程中的比重,从而更个性化地推荐用户所感兴趣的一些项目。然后确定上述两种改进算法权重因子的合适取值,并对其进行融合,得到最终的基于改进算法加权的混合推荐算法。经过试验对比,可以证明本文改进后算法的性能指标较传统的协同过滤算法以及其他学者改进的算法有了显著提升,具有更好的评分预测效果。(4)最后,将改进的算法应用到课程资源推荐系统,根据不同功能模块分析了此系统的需求,并对数据库表进行设计,利用Spring、Vue、Axios等技术栈实现整个系统的开发。

关键词：课程资源协同过滤热门度修正因子混合推荐算法课程推荐系统

来源：评论

学校读者我要写书评

暂无评论

基于微信公众平台自动化运营系统的研究

基于微信公众平台自动化运营系统的研究

引用

作者：刘欢吉林大学

学位级别：硕士

近年来,国内移动互联网迅速发展,自媒体平台的影响力越来越大,正逐步成为人们获取信息的重要来源。微信公众平台作为众多自媒体平台的重要代表,目前入驻的用户已达数千万。本文将通过分析微信公众号的相关信息,设计微信公众平台自动化... 详细信息

近年来,国内移动互联网迅速发展,自媒体平台的影响力越来越大,正逐步成为人们获取信息的重要来源。微信公众平台作为众多自媒体平台的重要代表,目前入驻的用户已达数千万。本文将通过分析微信公众号的相关信息,设计微信公众平台自动化运营系统,并对该系统的素材分类和文章推荐这两大主要功能进行深入研究。该系统可以为公众号运营者寻找素材时提供极大的方便,可以在减少运营者工作量的同时发布高质量推文,以达到吸引用户持续关注的目的。本文的主要工作如下:（1）设计搭建了微信公众平台自动化运营系统框架,并且对其各个功能模块进行了逐一的设计和实现。详细描述了系统任务的执行流程,并实现数据采集功能、文本分类功能、文章个性化推荐功能等。（2）结合UIautomator和Xposed工具完成了微信文章数据采集,并存储于MySQL数据库中,为系统的运行提供必要的数据支持。（3）通过对现有特征选择算法和分类算法的研究和实验对比,提出一种适合长短混合文本数据集的特征选择方法,同时结合GloVe实现文本向量化,最后通过LinearSVM分类算法对微信文章进行分类。实验结果显示,该模型在微信文章分类中效果良好。平均准确率达到87%,平均精确度达到88.7%,平均召回率达到86.2%,比不使用该特征选择的GloVe方法分别提升1.2%、1.5%、0.7%,比传统分类模型的平均F1值提升6.6%。（4）提出一种适用于微信公众平台的混合推荐算法。本文用实际的用户数据验证了该混合推荐算法的有效性、实用性,并且与其它几个经典推荐算法的结果进行了对比。本文的主要贡献和创新点如下:（1）提出了一种适用于长短混合文本的特征选择方案,实现微信数据分类模型,使得系统分类性能得到提高。（2）设计并实现了个性化文章推荐器,该推荐算法综合考虑了用户的特点,是一种更适合微信公众平台内容推荐的算法。其具有很好的可拓展性,未来可以挖掘更多的用户特性,添加新的推荐器到加权项中,并且能避免单一推荐模型的很多缺点,如新用户问题、新项目问题,使各个推荐器扬长避短。

关键词：微信公众平台文本分类 GloVe 混合推荐算法

来源：评论

学校读者我要写书评

暂无评论

建筑预制构件供应商两阶段智能决策方法研究 ——考虑特征匹配和资源价值最大化

建筑预制构件供应商两阶段智能决策方法研究 ——考虑特征匹配和...

引用

作者：申剑雄北方工业大学

学位级别：硕士

在建筑业高质量发展理念逐渐深入的今天,装配式建筑正在促进现代建筑业的工业化、绿色化、智能化融合发展,其发展趋势日益显著,我国亦相继出台多项政策及有关文件推动装配式建筑产业的蓬勃发展。当前装配式建筑在行业发展中具有较好的... 详细信息

在建筑业高质量发展理念逐渐深入的今天,装配式建筑正在促进现代建筑业的工业化、绿色化、智能化融合发展,其发展趋势日益显著,我国亦相继出台多项政策及有关文件推动装配式建筑产业的蓬勃发展。当前装配式建筑在行业发展中具有较好的规模水平与现实条件,然而预制构件的采购却贯穿于装配式建造始终,预制构件的质量将直接决定装配式建筑是否能够安全使用。因此,通过科学高效的方法来选择符合施工现场实际情况的预制构件供应商对提高装配式建筑的工程质量有着至关重要的意义。传统的基于经验的人工决策方法受于主观因素的限制容易产生较多的偏差,从而出现预制构件供应不及时、质量难以保证等一系列问题。为解决此类问题,我们有必要借助信息化手段来处理复杂冗余的信息,在丰富多样的指标中进行科学、合理地指标筛选,以实现施工企业对不同特征建筑预制构件供应商的选择。本文主要从以下几个方面展开研究:建筑预制构件供应商两阶段模型机理研究、建筑预制构件供应商两阶段模型方法研究、仿真模拟等。主要研究内容如下:(1)将建筑预制构件供应商视为具备一定回收能力的供应商,采用Hotelling线性城市模型刻画供应商与非正规回收企业各自占有的回收市场份额,并基于Bertrand价格竞争模型构造利润函数。通过比较供应商实施智能回收决策前后供应商与非正规回收企业各自占有的回收市场份额、回收价格以及利润的变化,发现智能回收决策的实施有效提高供应商与非正规回收企业在回收市场中的竞争优势,能够促进预制构件新产品的正向销售及旧产品的逆向回收,实现了对建筑预制构件供应商选择的资源价值最大化,完成两阶段智能决策中第一阶段的构建。(2)通过文献分析法并结合国家现行文件,建立合理的建筑预制构件供应商评价体系,利用TF-IDF算法提取用户动态评论特征词,完成原始数据的特征挖掘,结合所建立评价体系完成预制构件供应商与施工企业的特征匹配。使用Snow NLP计算特征情感值,构建SPM供应商用户画像特征模型,并借助Word Cloud工具可视化展示该模型中四类供应商特征以及施工企业的关注点。对K-Means算法进行优化改进,使其与后面的推荐模型更匹配。使用K-Means+聚类算法对用户画像模型进行聚类,在聚类结果的基础上融入协同过滤算法,最终构建了基于供应商用户画像聚类结果的混合推荐模型,完成了两阶段智能决策。(3)结合仿真模拟,将本文的建筑预制构件供应商智能推荐模型应用于建筑预制构件供应商的选择中。实验结果表明:该模型能够突破传统供应商选择方法的弊端,在海量的建筑预制构件供应商中作出科学合理地选择。所使用的建筑预制构件供应商两阶段智能决策模型方法,不但能更精准地筛选出与施工企业相匹配的供应商,而且还促进了建筑资源的综合利用,达到了降本增效、强化供应链上下游衔接的双赢效果,最终推动了建筑业的高质量发展。

关键词：回收决策特征匹配用户画像混合推荐算法供应商智能推荐

来源：评论

学校读者我要写书评

暂无评论

基于柯西分布量子粒子群的混合推荐系统研究

基于柯西分布量子粒子群的混合推荐系统研究

引用

作者：曲桂雪哈尔滨工程大学

学位级别：硕士

随着互联网业务的迅速发展,网络结构更加复杂,巨大的信息量在给用户带来方便快捷的体验同时也使信息的利用率降低,用户常常会因此而迷失其中,致使出现了信息膨胀也称作信息过载的问题。推荐系统的出现有效地缓解了这一矛盾。但是,数据... 详细信息

随着互联网业务的迅速发展,网络结构更加复杂,巨大的信息量在给用户带来方便快捷的体验同时也使信息的利用率降低,用户常常会因此而迷失其中,致使出现了信息膨胀也称作信息过载的问题。推荐系统的出现有效地缓解了这一矛盾。但是,数据的稀疏性、冷启动以及忽略用户兴趣迁移等问题的存在却阻碍着推荐系统进一步的发展。本课题的目的就是解决这些问题。本文提出了一种基于柯西分布量子粒子群的混合推荐算法。该算法首先构建了基于时间因子的混合推荐模型,然后,在该模型的基础之上,利用柯西分布量子粒子群算法搜索模型中的最优参数组合。基于时间因子的混合推荐模型是通过把用户和项目的特征属性信息添加到传统的协同过滤推荐算法中构建而成的。这样做有两点优势:(1)在计算用户或项目的相似度时,如果用户评分矩阵过于稀疏,影响相似度的计算,那么就可以利用内容信息进行计算,可以有效克服数据稀疏性的影响;(2)在新用户或者新项目加入进来的时候,可以利用用户和项目的内容信息进行相似度的计算以及推荐等工作,能够有效抑制冷启动的影响。除此之外,在模型建立过程中还做了两方面的改进,一方面是改进了相似度的计算方法,另一方面是引入了能够代表用户兴趣迁移特性的时间因子。进一步地,用户的特征属性信息通常包括性别、年龄、职业、居住地等很多方面,以往的推荐算法中并没有考虑这些特征对实际应用的推荐问题是否真的有影响。实际上,考虑所有的特征所得到的推荐结果不一定是最准确的,还可能增加不必要的计算量。于是,本文对基于时间因子的混合推荐模型进行优化,利用改进的离散粒子群算法搜索最优的用户属性特征组合。最后,优化后的混合推荐模型共涉及5个参数,分别为:用户评分和内容权值、项目评分和内容权值、基于用户推荐和基于项目推荐权值、用户最近邻居阈值和项目最近邻居阈值。如果人为进行选择,工作量极大。因此,本文采用柯西分布量子粒子群算法来搜索模型中的最优参数组合,以提高推荐效果。本文提出的算法与传统的协同过滤推荐算法以及利用粒子群和人工蜂群进行参数搜索的算法进行比较分析。实验结果表明:在提高推荐准确度、缓解数据稀疏性以及冷启动问题等方面,本文提出的算法都优于其他的算法。

关键词：混合推荐算法柯西分布量子粒子群数据稀疏时间因子

来源：评论

学校读者我要写书评

暂无评论

基于云同步的视频推荐系统的系统实现

基于云同步的视频推荐系统的系统实现

引用

作者：程娟上海交通大学

学位级别：硕士

如今我们正处于视频信息过载时期,视频推荐系统是解决此问题的方法,相比搜索引擎要求用户有明确的目标并且提供搜索关键字,而视频推荐系统是应用推荐算法从用户的历史行为中挖掘用户的偏好并为推荐视频。云同步、视频推荐系统的研究逐... 详细信息

如今我们正处于视频信息过载时期,视频推荐系统是解决此问题的方法,相比搜索引擎要求用户有明确的目标并且提供搜索关键字,而视频推荐系统是应用推荐算法从用户的历史行为中挖掘用户的偏好并为推荐视频。云同步、视频推荐系统的研究逐渐成熟并指引着广大人民积极的尝试运用网络的方法与时俱进,同时人们的需求也将越来越急切。互联网上视频资源日益增多,用户观看视频的设备也是各式各样,寻找所需视频的难度无疑的大大增加。视频推荐系统体现出用户对此服务的需求,由于目前的视频推荐技术的局限性,分布式推荐系统技术没有很好的应用。所以我们要充分发挥分布式系统的能够根据用户的观看记录来推荐用户感兴趣的视频列表。为提高大数据的处理能力,采用云同步技术进行支持并提供了以分布式开发的Hadoop框架技术为基础来进行推荐。本文在总结当前国内外视频推荐系统的理论研究和应用现状的基础上,从用户信息收集及用户建模、混合推荐系统的优势、视频推荐系统的设计和实现四个方面展开进行了具体的评述,并探究了其中的有关关键技术,采用了基于mahout的Hadoop技术进行搭建的推荐系统平台。具体完成研究工作如下:(1)分析了视频推荐系统的需求,确定了推荐系统的数据模型等工作。(2)分析了传统的推荐算法,对传统推荐算法进行改进,运用用户在不同设备下不同时间段的内容偏好、属性时长等特征进行混合的加权推荐算法。(3)设计了视频推荐系统的各个模块,形成基于云同步的视频推荐系统架构。(4)用eclipse开发工具,推荐模型实现了视频推荐系统,并进行了基本功能点、浏览器兼容性、可扩展性、性能测试,验证了视频推荐系统的准确性和可用性。目前视频推荐系统已经上线运行,使用云同步搜集用户的所有观看记录来考虑如何应用不同推荐器准确的捕捉用户不同时间段在不同设备上的视频偏好,并对用户进行主动的视频推荐。最后讨论视频推荐系统的未来以及需要改进的方向。

关键词：云同步视频推荐协同过滤 Hadoop 混合推荐算法

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共12页 << < 3 4 5 6 7 8 9 10 11 12 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

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：