世嘉网络剧《疯狂办公室》整合营销

一、项目背景作为品牌重要的战略车型,世嘉自2008年上市以来,凭借WRC六冠王的纯正冠军基因和冠军操控、时尚的外观以及良好的性价比,获得市场认可,稳居家用中级车第一阵营;2010年,东风雪铁龙与中国羽毛球队签署战略合作协议,成为其高级赞助商,世嘉成为中国羽毛球队的指定"冠军座驾",世嘉品牌冠军形象得到进一步强化;2011年,世嘉提出全新品牌理念——冠军是一种生活态度。     

新型城镇信息化建设：现状、问题与对策

新型城镇化建设的基础在于信息化。目前,我国新型城镇信息化建设的相关项目发展迅速,在网络应用、传输渠道和网络用户等方面取得了一定的成果,然而也存在一些问题。通过分析当前新型城镇信息化网络应用的典型案例,发现我国新型城镇信息化建设存在的主要问题有：信息孤岛现象、信息流动单向、项目建设水平总体偏低、项目疏于维护、项目存在信息安全等。要提升我国新型城镇信息化建设的水平,在网络应用方面,应量力而行、统筹规划,聘用专业团队开发和维护软件等;在网络硬件和用户方面,应降低农村通信资费,针对农民开展手机应用技能和信息化能力培训等。     

江苏省“九五”社科规划项目《信息开发服务与信息用户培养研究》通过鉴定验收

由张厚生教授、顾建新副教授主持研制的《信息开发服务与信息用户培养研究》项目（批准号：苏规划［九五］１２－０１２）日前通过专家鉴定委员会的鉴定，报送省社会科学规划办公室并通过验收。该研究成果包括了“科技信息、专利信息的开发和利用”，“社会信息需求的研究”，市场信息的开发和利用”，“信息用户培训的研究”等四个子项目。本课题应用了国际联机与ＩＮ－ＴＥＲＮＥＴ网络等信息技术手段，分析研究了当前我国信息开发服务和信息、用户教育培训的目标、内容、方法和途径。江苏省“九五”社科规划项目《信息开发服务与信息用户…     

“舞台剧”助力全新BMW1系中国市场上市发布

一、项目概况 活动地点：北京、上海、广州、深圳、成都 参与者：媒体记者、经销商、用户／潜在消费者代表、内部员工全新BMW1系包括运动版及城市时尚版两个设计套装，让消费者以他们不同的喜好选择更适合他们的个性化版本。     

基于用户和基于项目结合的个性化推荐算法

这篇文章说明了一种新的推荐算法,结合基于用户的协同过滤算法和基于项目的协同过滤算法各自的优点,在新算法中,首先利用基于用户的协同过滤算法确定一定数量的邻居,以保证推荐的个性化,然后在确定的邻居数据集上利用基于项目的算法模型进行推荐。最后将这种新算法和基于项目的协同过滤算法进行比较,实验结果表明这种新算法只用一少部分部分的最相似邻居用户就能得到基于项目算法的推荐质量,而且要比基于项目的推荐更加个性化。     

基于两阶段风险的定制类信息系统开发项目绩效模型构建与实证研究

开发阶段绩效风险和实施阶段绩效风险是信息系统开发项目中两个重要的中介变量,它们调节了项目内在不确定性和管理实践对项目绩效的影响.在项目不同阶段,绩效风险的主要影响因素是不同的.在开发阶段,主要影响因素是项目计划和控制、内部整合和用户参与;在实施阶段,主要影响因素是用户参与和高层支持.另外,用户参与直接地正向影响产品绩效,但对过程绩效没有直接影响.过程绩效对产品绩效也没有显著的正向影响.     

上海市公用事业学校

(国家级重点中专、上海市文明单位、上海市行为规范示范校)上海市公用事业学校创始于1960年8月,隶属于上海市交通运输和港口管理局。学校拥有国家计算机职业技能鉴定所及信息技术考核站、上海汽车维修职业技术培训中心及国家第167职业技能鉴定所、东风雪铁龙上海培训中心。水煤实验中心为上     

ERP项目中高层管理支持对用户参与影响的实证研究

在关于信息系统成功的研究中,高层管理支持和用户参与是两个至关重要的变量.文章在文献基础上将用户参与分为用户实际参与和用户期望参与,通过问卷调查ERP项目中的用户,结果显示高层管理支持对用户实际参与有显著影响,而对用户期望参与没有显著影响.     

某区域“互联网+护理服务”平台应用情况研究

为研究某区域“互联网+护理服务”平台应用情况,运用统计分析、半结构式访谈、二次资料利用、文献研究等方法对样本区网约护理服务平台基本运行情况、用户选择倾向性、满意度进行分析。研究结果显示,样本区“互联网+护理服务”用户满意度高,服务总体偏向风险小易操作项目;用户选择康复护理、母婴护理、居家护理为主,简单项目倾向选择基层社区卫生服务中心,复杂项目倾向选择二、三级医院。为有效促进“互联网+护理服务”健康持续发展,需要政府、医疗机构等部门健全服务项目费用支付体系,进一步优化服务流程。     

论开放教育教学资源的智能推荐技术

教学资源是现代教育教学的重要素材,随着教学资源越来越丰富,学生如何快速查找或发现感兴趣的教学资源就显得越来越重要。在构建教学资源模型和用户模型的基础上,针对教学资源和用户特点,采用基于用户和项目推荐算法的混合协同智能推荐算法来实现教学资源的智能推荐。     

融合多信息的个性化推荐模型

为了解决协同过滤推荐系统的数据稀疏与冷启动问题,通常利用辅助信息来提高推荐系统的整体性能。当前大多数社交媒体网站和电子商务系统都允许用户发表文本评论,以及对项目(如商户、电影、商品等)进行评分。为了更加有效地融合多种数据信息,解决数据稀疏的问题,提高推荐算法的准确性,构建了一个基于用户-项目历史交互数据源融合知识图谱的模型,提出了基于用户-项目历史评论的深度学习算法,将2种算法动态融合,利用随机梯度下降方法进行模型求解,为用户提供更精准的个性化推荐服务。实验结果表明:相比于已有典型推荐算法,所提模型取得更好的推荐效果,并且可以有效地解决数据稀疏带来的推荐准确性降低的问题。     

土家族聚集地的信息服务与用户研究——以恩施州为例

通过对土家族地区信息用户类型、用户信息心理机理、信息需求及影响信息需求的社会因素进行分析,提出为土家族地区提供信息援助、用户培训、建立特色数据库、加强地方文献资源建设、进行信息咨询、开展特色服务、非物质文化遗产项目申报等现代化信息服务的对策。     

基于中心节点重叠社区发现的协同过滤推荐系统

针对传统协同过滤中对整个用户网络进行运算的数据量较大、推荐效率不高的问题,将用户-项目二分网转化为由用户构成的社会网络,基于中心节点重叠社区发现的思想进行加权网社区划分以充分利用网络结构信息。在社区内部采用加权相似度与top-n算法相结合的方法进行项目推荐,并将Movie Lens数据集作为测试数据。通过与传统协同过滤的对比可见,基于中心节点重叠社区发现的top-n算法的个性化推荐方法在保证推荐精度的前提下,使推荐效率得到大幅度提升。     

用户创新的条件和范式研究

用户创新正在成为一个日益普遍的现象 ,在企业的创新体系中扮演着越来越重要的角色 , 因此对用户创新行为及形成条件进行研究尤为必要。从用户参与深度和参与阶段来衡量 ,用户创新行为可划分为三种范式 :用户主导创新、用户合作创新和用户自主创新。实证调查结果表明 :创新意愿、创新能力、代理成本、制造商支持、项目复杂度和信息粘性是用户创新的六个条件 ;不同条件决定了不同的用户创新范式 ;处于不同创新阶段的用户创新行为也需要不同的条件。企业可在既定的条件下选择最有利于自身的创新模式 ,以最大限度地整合用户的创新能力 ,提高企业的市场竞争力。     

关系型网络社区用户转发行为研究

以心理账户理论为基础,研究关系型网络社区用户转发行为的影响因素。运用结构方程模型,确定影响因素之间的关系。研究表明：信息质量与用户感知风险负相关、与用户转发正相关,用户转发与用户感知风险负相关、与用户信任和用户成就需要正相关等结论。从用户和信息2个角度出发,为关系型网络社区的管理者和政府企业等用户提出策略。     

在线短租服务失误对用户投诉行为影响机理研究

在线短租服务失误识别对于处理用户投诉行为具有重要意义。以国内代表性在线短租平台Airbnb为研究对象,构建在线短租服务失误对用户投诉行为影响的模型。研究结果显示,在线短租服务失误可被归纳为六类：政策与信息失误、网站系统失误、安全与信任问题、核心服务递送失误、支付失误、顾客支援失误。在此基础上进一步识别服务失误对用户投诉行为的影响机理：在线短租服务失误对用户投诉行为产生显著影响;在线短租用户感知对用户投诉行为产生显著影响;用户感知在在线短租服务失误对用户投诉行为的影响起中介作用;用户心理预期在用户感知对用户投诉行为的影响中起调节作用。     

国内三大搜索引擎的个性化选择

搜索引擎已成为中国互联网用户获取网络信息的主要工具,文中以目前国内排名前3位的搜索引擎百度、Google和雅虎为研究对象,从内容、搜索项目等多个角度对其用户接口进行比较,旨在挖掘3者个性,为搜索引擎的个性化选择提供依据。     

自动生成特定伪码的设计与实现

针对屏幕显示设计效率较低的情况,完成了自动生成用户交互界面伪码的设计,实现了自动生成屏幕显示伪代码的系统。该系统可以让用户方便地设计出任何类型的屏幕显示界面。应用结果表明该系统可以缩短软件项目的开发周期,提高设计者的工作效率。     

高校图书馆信息服务工作初探

信息时代,随着数字技术的发展,高校图书馆的服务应当从项目建设、馆员信息素质培养、用户信息素质培养等方面做好服务工作。     

基于用户评分权重的矩阵分解推荐算法

在传统的推荐算法中存在数据评分稀疏的问题,同时,在建立预测模型时默认每个用户评分都是真实可信的.但实际评分中存在某些数据不符合用户的整体评分趋势和偏好.为了解决上述问题,对每项用户评分的真实性进行计算,在进行评分预测时,使符合用户整体评分趋势的评分数据获得更高的权重,让推荐算法更精准的把握用户和项目的特征信息,提升推荐系统的整体性能.经过在Movie Lens 100k数据集上与其它三种经典算法的对比实验表明,本文提出的改进算法能更好地把握用户真实喜好,提高预测的准确性.