个性化推荐系统综述

随着信息时代的不断发展,信息过载是目前互联网用户面临的一个严重问题,个性化推荐系统就是解决这一问题的重要工具。为了解国内对个性化推荐领域的研究现状与发展趋势,通过对相关文献进行收集处理并借用VOSviewer、Excel对发文量、发文期刊、发文作者、关键词进行现状分析,同时对个性化推荐系统的关键技术用户兴趣模型和推荐算法进行阐述介绍。最后指出了未来个性化推荐系统的挑战与研究重点。     

基于好友影响的个性化推荐模型

随着社交媒体的广泛应用,在电子商务行为中,消费者很大程度上的购买决策会受到他人因素的影响,尤其是好友的影响。本文提出了社交媒体网络下,用户评论和销量对于推荐模型的影响,建立了基于社交媒体中好友的评论的个性化推荐模型。通过从国内的社交网络中采集相关数据,对模型的效果进行了验证。     

商业个性化推荐模型综述

半个世纪的信息技术革命,同几百年的工业革命一样波澜壮阔、风起云涌.随着海量的资讯以及消费个体行为数据呈指数级爆发增长,新的商业理论与商业模式不断涌现,无论是《长尾理论》,还精准社会化营销,无论是《重新定位》,还是基于用户偏好的市场细分,其所指向的趋势是一致的,即为每一个终端消费者提供他们最想要的产品和服务. 商业未来将由个性化技术驱动.个性化技术和商业应用的出现是以网络为代表的数字化技术发展的必然.在我们可以预见的未来,无论是产品还是服务,都将为每一个消费者量身打造,信息世界正在变得越来越聪明和智能,似乎比我们还了解自己想要的是什么.     

个性化推荐系统的改进算法述评

推荐系统是复杂网络环境所产生的一种智能过滤冗余信息的方法,分析其相关研究进展从而为推荐系统的进一步研究及应用提供思路具有重要的参考意义。本文首先介绍了传统的个性化推荐算法及其应用,然后从混合推荐算法、动态推荐算法和其他推荐算法3方面总结了个性化推荐系统算法的进一步改进。同时指出基于大数据的个性化推荐系统是下一步的研究方向,也是提高推荐准确性的重要方法。     

个性化推荐系统中Web使用挖掘技术的研究

Web挖掘技术在处理海量数据和稀疏数据上有着先天的优势,所以在推荐系统中Web挖掘技术得到了越来越广泛的研究和应用.文章从web挖掘的概念着手,介绍几种个性化推荐技术,并指出了推荐系统未来的研究热点和发展方向.     

个性化推荐系统中Web使用挖掘技术的研究

Web挖掘技术在处理海量数据和稀疏数据上有着先天的优势,所以在推荐系统中Web挖掘技术得到了越来越广泛的研究和应用。文章从Web挖掘的概念着手,介绍几种个性化推荐技术,并指出了推荐系统未来的研究热点和发展方向。     

论文推荐算法及数据特征研究综述

本文主要研究论文推荐算法和论文推荐主要使用的数据特征,从而对论文推荐进行总结。论文推荐算法主要有四大类：基于内容的过滤、协同过滤、基于图形的推荐方法和混合推荐方法,论文推荐数据特征主要使用如下四种：标签、用户配置文件、引文网络和社会网络。     

协同过滤推荐算法综述

推荐系统是电子商务系统中最重要的技术之一,协同过滤推荐技术是目前应用最广泛和最成功的推荐技术。本文首先介绍了协同过滤的基本概念和原理,然后总结了协同过滤推荐算法中的关键问题和相关解决方案,最后介绍了协同过滤推荐算法需要进一步解决的问题和可能的发展方向。     

面向电子商务网站的个性化推荐系统

个性化推荐系统是电子商务个性化服务的核心技术,它是根据网络消费者的历史购买记录或当前浏览行为捕获其潜在偏好,进而为其推荐符合其当前偏好的商品。个性化推荐可以有效的过滤大量无关商品,降低消费者的选择成本,提高商品交易效率。本文立足于个性化推荐系统,分类总结了近年来提出的个性化推荐系统的核心思想,讨论了有代表性的研究成果,深入分析了个性化推荐系统亟待解决的基本问题,并总结展望了当今的发展方向。     

我国B2C电子商务个性化商品推荐服务实证研究

优质的个性化推荐系统带来了巨大的经济价值和社会价值的同时,也能提高B2C电子商务在当今激烈的市场竞争环境下的存活能力。在简要介绍电子商务个性化推荐系统模型的基础上,详细分析比较了亚马逊、当当网、天猫三家B2C电子商务个性化商品推荐服务,最后对B2C电子商务推荐系统的进一步发展方向进行了展望。     

基于个性化导购的商品智能动态推荐系统

为了节省顾客商品选购时间,帮助顾客从海量商品中快速找寻意购物品,本文尝试将关联规则与个性化导购相结合,引入FP-tree关联规则算法,利用商品推荐公式中的关联度,同时综合利用商家利益最大化、热销商品等因素,建立商品推荐综合评分公式。基于综合评分值对待推荐商品进行动态排序,并将排序结果推送给客户,实现个性化商品智能动态推荐服务。     

基于文献计量的个性化推荐研究进展分析

个性化推荐有效缓解了大数据时代数据爆炸的现象,通过事先了解用户的潜在兴趣偏好,有针对性的提供符合用户实际需求的信息,从而提高用户的使用效率。本文通过文献计量的方法对2008年到2018年之间的有关个性化推荐的相关文献进行统计分析,分别从时间分布、期刊分布、关键词共现分析以及关键词聚类分析几个部分展开研究,以发现个性化推荐领域的主要研究热点问题与发展趋势,进而探讨未来研究的走向,为个性化推荐的发展提供依据。     

个性化推荐算法综述

随着大数据时代的到来,数据已经不再是匮乏资源,如何利用数据成为各界人士的关注点。在各界学者的研究中,个性化推荐算法无疑是主要研究领域之一,而且个性化推荐已经广泛应用到新媒体、电商、游戏等领域。近年来使用频率较多的个性化推荐算法有协同过滤的推荐算法、基于图结构的推荐算法和基于社交网络的推荐算法等,文章对这3种个性化推荐算法做了综述,阐述了它们的原理及用法。     

浅析电子商务推荐系统

随着互联网的普及和电子商务的发展,商品推荐系统逐渐成为电子商务IT技术的一个重要研究内容,越来越多地受到研究者的关注。本文探讨了电子商务系统的构成、研究内容、研究现状,分析了目前有的推荐系统存在的缺陷和问题,提出了未来电子商务推荐系统研究的发展方向。     

基于用户的推荐系统技术应用及建构

随着互联网的发展,网上的信息量不断膨胀,出现了信息过载问题。而传统的信息检索技术在搜索效率、搜索准确度、反馈互动上均存在不足,不能有效地解决这个问题。推荐技术作为解决信息过载问题的有效工具应运而生。文章对推荐技术进行概述,介绍其基本流程及常用的推荐算法。     

基于用户偏好的多特征融合个性化图书推荐模型

随着图书馆图书数量的增加,读者无法快速获取自己所需资源。针对数字图书馆无法为用户提供准确个性的图书推荐服务的问题,通过分析个性化推荐技术,构建了一种基于用户偏好的个性化图书推荐模型,并进行了系统的研究。最后通过试实验验证其模型的有效性。     

算法推荐视域下高校大学生面临的机遇、挑战与优化路径

随着社会经济快速发展,人类社会正加速进入信息化智能化时代,大量信息涌入,为了解决信息过载问题以及满足万千受众的个性化诉求,算法推荐技术应运而生。算法推荐技术带来的信息接收、行为逻辑、把关权力、信息决策等的转变在给高校大学生的发展带来机遇的同时也带来了信息依赖、信息同质化、“把关人”缺失、非理性化决策等问题,给高校大学生自身发展带来了挑战。算法推荐视域下分析高校大学生面临的机遇、挑战与优化路径,构建积极健康的网络环境具有重要的理论和实践意蕴。     

基于用户满意度的电子商务个性化推荐评价研究

电子商务个性化推荐不仅能使用户迅速快捷地获得合适的信息,还能为电子商务网站带来丰厚的商业利益。电子商务个性化推荐是指利用电子商务网站向用户提供商品信息和建议,帮助用户决定应该购买什么产品,模拟销售人员帮助客户完成购买过程。电子商务个性化推荐不仅能使用户迅速快捷地获得合适     

基于网络结构的推荐系统

<正>互联网技术的快速发展,使得大量的信息同时呈现在人们面前,这种现象被称之为信息超载。信息的爆炸使得信息的利用率反而降低,人们很难在如此冗多的信息中挑选出最符合自己要求的信息。通过搜索引擎来过滤信息的方式只能呈现给所有的用户一样的排序结果,无法根据用户的喜好为用户推荐感兴趣的商品或信息。个性化推荐研究开始于20世纪90年代,它被作为一个独立的概念提出来,被认为是当前解决信息超载问题最有效