电子商务个性化推荐系统

电子商务日益渗透到千家万户中,传统经营模式正经历着变革。随着网络技术的发展,很多机构构建了自己的web站点,让人们的生活变得更加便捷。推荐系统凭借其贴心、便捷的处理方式逐渐进入公众的视野。     

融入惩罚因子的协同过滤图书推荐算法

针对利用传统协同过滤算法进行图书推荐时因忽略冷门物品对推荐精度的贡献问题,提出融入惩罚因子的协同过滤图书推荐改进算法。文章在余弦相似度的基础上,引入热门物品惩罚因子和用户平均评分因子,降低热门物品的评分权重,提取用户特征。使用Book-Crossing数据集进行实验验证,文章提出的改进算法相较于传统算法增加了推荐算法的时效性,对用户进行了更精准的特征提取,改进算法较传统算法召回率平均提高5.4%,在近邻用户较少时,MAE降低1.5%,提高了推荐精度与质量。     

基于主题模型的英语写作批阅系统个性化推荐模块设计与实现

伴随着自然语言处理技术的发展,计算机代替人工评阅作文已成为可能,计算机评阅的便利,带来了巨大的用户量及作文量,而针对不同用户准确的推荐各自感兴趣的范文可以更加丰富及开阔自己的写作能力。本文提出了一种新的推荐算法,将概率主题模型引入到个性化推荐中,并在实验室的写作批阅平台(简称CMET)上进行了实现。全文介绍了协同过滤推荐和主题模型的相关技术,对传统的协同过滤算法进行了改进,在此基础上,提出了新的推荐算法——基于主题模型的协同过滤(BaseLDACF),并将该推荐算法进行了实现。     

融合情境的社会化商务用户服务推荐优化研究

个性化推荐是社会化商务发展的产物,向顾客提供信息服务和决策支持。文章融合地理位置、时间因子和社会化商务用户信任等情境信息,构建了在社会化商务下用户个性化服务推荐的模型,实证分析融合情境对提高用户服务推荐的正向作用。其结果可为社会化商务企业节约成本,为用户提供更精准的个性化服务。     

对中国移动业务个性化推荐的研究

客户的个性化需求对企业的营销模式提出了新的要求,个性化营销应运而生并发展为一种新的营销理念和趋势,而个性化推荐是个性化营销中促销策略的重要手段之一.中国移动作为一家大型服务型企业,对个性化营销应具有更多理念上的思索和操作上的尝试.文章着重对中国移动业务的个性化推荐进行了探索研究,包括个性化推荐的理念、价值分析及其实施创新.     

个性化推荐系统及其仿真研究综述

大数据时代带来的信息过载问题加速了个性化推荐系统发展,而将仿真实验系统与推荐算法或模型结合是推动个性化推荐研究进展的有效方式.仿真系统可以有效检验推荐系统的性能指标是否优良,帮助学者更好地确定未来研究方向.从个性化推荐技术、应用以及仿真三方面进行文献梳理,重点总结目前个性化推荐仿真研究现状,并在最后针对推荐仿真研究不足部分提出未来研究方向,可为个性化推荐及仿真领域提供研究借鉴.     

电子商务推荐系统的数据过滤

着眼于用户和商品数据的急剧增加,所造成的电子商务推荐系统推荐质量下降的问题。在分析了系统工作流程的基础上,选择抽样算法结合前瞻算法进行数据过滤,进而据此构建系统结构框架。实验结果显示,系统推荐结果的质量和系统的性能确有较大提高。     

消费者对电商平台个性化推荐接受意向的影响因素研究

文章基于技术接受模型和理性行为理论,构建了消费者对电商平台个性化推荐系统接受意向影响因素的理论模型,研究了影响消费者接受电商平台个性化推荐内容的因素,以提高消费者对电商平台个性化推荐系统的接受意向。模型将消费者感知舒适性、感知有用性、感知安全、商家动机、主观规范这五个维度作为自变量,通过问卷调查进行实证研究。研究表明,这五个因素与消费者对个性化推荐接受意向均有显著正相关关系且影响强度具有一定差异,因此电商平台应对消费者进行有针对性的个性化推荐。     

个性化推荐对读者网络阅读决策影响模型的构建

文章借鉴已有的个性化推荐对用户行为影响模型研究,引入技术接受模型中的认知价值和信任对用户行为的中介作用关系,构建个性化推荐服务对阅读决策的影响模型,具体从个性化推荐服务自身特性、网站平台特性、用户特性和交互特性4个方面分析读者网络阅读决策的影响指标体系,并对指标的合理性进行检验。     

推荐系统算法探讨

随着互联网规模不断扩大以及互联网信息的快速增长,人们在享受丰富信息带来的生活便利的同时遇到了信息过载的问题。信息过载是指虽然用户得到了很多信息,但用户很难从中过滤掉无用的信息,从而获取对自己有用的信息,用户面对大量的信息却无法从中做出正确的选择。现有的很多方法,比如搜索引擎,都是帮助用户进行信息过滤的手段,然而这些方法却无法满足小众用户的个性化需求。推荐系统作为一种信息过滤的重要手段,是解决信息过载问题非常有应用前景的方法。推荐算法是推荐系统的核心部件,推荐算法的好坏直接影响了推荐系统的质量。文章对推荐系统中的常用算法进行了探讨。     

浅析数据挖掘技术在高职图书馆个性化推荐系统中的应用

通过分析图书馆服务器上师生的借阅记录文件,运用关联规则了解师生的借阅习惯和偏好,了解师生的借阅特性,发现规律而采取有效的行为。通过对在校学生小王一学期的图书借阅情况的分析,运用数据挖掘技术关联规则中的Apriori算法,得出了强关联规则集并运用到图书馆个性化推荐系统中。该系统对图书馆的未来发展提供参考。     

科技文献个性化服务系统在高校中的应用

为了提高文献推送的准确率,文章设计了一种基于Word2Vec的高校师生科技文献个性化服务系统,通过爬虫挖取以及基于Lucene的全文检索方案对数据进行检索,通过Word Embedding技术计算相似度,在一定程度上解决了系统数据稀疏性与冷启动问题。在120万篇文献中,实验取得了科技文献82%的推荐准确率,满足高校师生对文献检索的效率需求。     

融入情境的个性化推荐模型在旅游业的应用

近年来,移动电子商务的快速发展及应用使得商家可准确地为用户提供相关的推荐,个性化推荐系统成为业界研究的新方向。本文主要阐述了移动电子商务在我国发展的趋势,重点在于将移动定位LBS技术同传统的推荐系统相结合,将情境融入到个性化推荐模型当中,提出了U-C-I模型,将情境作为一个新的维度添加到传统的用户-项目矩阵中。     

供应链协同优势的层次结构及形成机理研究

供应链竞争优势的核心机制实质为协同机制。本文基于系统观提出供应链协同优势的等级层次结构模型,并分析其内在形成机理,将企业战略与供应链战略较为紧密地联系起来,可应用于实践中的供应链战略评估。     

珍珠岩过滤技术在啤酒工业中的应用

<正> 八十年代以前,我国的啤酒成品过滤一直采用较落后的棉饼过滤方法。进入八十年代,我国引进了硅藻土过滤技术,并得到了较为广泛的采用。近几年,又产生了珍珠岩过滤技术,通过我厂近半年的试验应用,效果比较理想。珍珠岩过滤技术不仅适用于啤酒的过滤,而且可用于其它酒类、饮料、食用油、酱油、味精、医药及化学     

突出用户相似性还是突出产品相似性？——推荐解释框架对消费者点击意愿的影响研究

本文基于社会影响理论,通过3个实验考察了突出用户之间相似性的框架和突出产品之间相似性的框架对消费者点击意愿的影响,并剖析了感知产品匹配性在其中所发挥的中介效应以及产品类型和推荐数量在其中所扮演的调节角色。研究表明：与突出产品之间相似性的框架相比,突出用户之间相似性的框架会使消费者产生更高的感知产品匹配性,进而增强其点击意愿。但这种框架效应会受到产品类型的调节作用：对于享乐型产品而言,突出用户之间相似性的框架往往更加有效;而对于实用型产品而言,突出产品之间相似性的框架则更加有效。而且推荐解释的框架效应只有在推荐数量为一个时才发生;当推荐数量为多个时,感知产品匹配性和点击意愿在两种推荐解释框架条件下均无显著差异。本文不仅推进了个性化推荐方向的研究,也拓展了社会影响理论和框架效应理论在市场营销领域的应用研究,并为企业实施个性化推荐策略提供了重要的实践启示。     

纤维束过滤技术与均质滤料过滤技术的对比中试研究

针对取水水源黄浦江支流近几年来水质不断恶化，而用户对出水水质的要求又有所提高．同济大学与上海某自来水厂合作，选取先进的纤维束过癃技术和均质滤料过滤技术进行了过滤工艺的优化中试。结果表明，纤维束滤池在滤速提高2．3倍（20m／h）的情况下，对浊度的去除效果提高了70％，均质滤料滤池在滤速提高0．3倍（8m／h）的情况下，对浊度的去除效果提高了47％。     

多维评分标准在推荐系统中的应用

文章介绍了推荐系统的起源以及当前的发展水平,描述了推荐系统的推荐算法。文章结合推荐系统现存的局限性提出了改进的方法,以提高其提供的推荐项的质量,使推荐系统能够得到更广泛的应用。这些改进包括:将用户打分准则进行细分,以减少主观因素的影响;建立多维推荐模式,以得出更加准确的推荐等。最后,对推荐系统未来的发展方向进行了展望。     

协同理论在电子商务物流中的运用研究

本文联系协同理论,重点分析了物流产业的协同机理,并探讨了电子商务、快递业在物流产业运行体系中的协同模型.主要从物流产业协同的影响因素,物流产业协同的总体架构,物流产业协同的效应三个方面剖析了物流业与协同理论的多方面联系.最后,通过物流产业快递业务与电子商务协同模型的建立,将物流业各环节的业务与协同理论对应起来,为深入研究电子商务协同化提供可能.