基于Web挖掘的电子商务个性化推荐系统

针对现有电子商务个性化推荐系统存在的不足,构建了一个基于Web挖掘的电子商务个性化推荐系统的整体架构模型,并采用了结合用户Web日志聚类和协同过滤的个性化推荐技术。可以有效地解决协同过滤技术所面临的数据稀疏和冷启动问题,提高推荐结果的准确性和有效性。     

基于商品属性的消费者个性化偏好模型研究

随着互联网的快速发展,在线商品推荐成为商家重要的营销方式,而研究}肖费者个性化偏好是实施商品推荐的重要基础。以餐饮类团购商品为例,提取7大类、32项商品属性,采用基于BP神经网络的数据挖掘方法建立了基于商品属性的消费者个性化偏好模型。通过问卷调研进行了实证研究,结果验证了该模型预测个体消费者对商品偏好的准确性,同时发现影响消费群体偏好的最重要因素是价格和到达所需时间。最后,针对个性化商品推荐为商家提供了营销启示。     

一种支持QoS评价的Web服务推荐模型

提出了一种支持服务质量(QoS)评价的Web服务推荐模型,其核心是根据用户确定的功能和QoS需求,基于现有的QoS评价指数进行服务推荐.该模型可应用于Web服务管理系统、Web服务选取及Web服务组合等应用系统.     

基于Web日志和商品分类的协同过滤推荐系统

传统的协同过滤算法一般以用户对商品的评分作为研究,考虑到显式的评分数据一般很少能够取到,本文从记录用户浏览历史的服务器端日志文件以及客户购买历史数据作为数据源,根据商品分类进行评分矩阵设计,最后由此得到最近邻居从而给予个性化推荐,试验证明推荐效果比较显著。     

基于语义扩展的数字图书馆知识推荐系统

构建个性化知识推荐系统是数字图书馆实现个性化信息服务的有效手段,推荐服务的关键在于完整地理解用户兴趣并准确作出推荐.文章提出了一种基于语义扩展的知识推荐方法,通过分析读者文献检索、浏览的行为提取读者偏好.利用扩展激活模型扩充读者偏好档案,对文献信息资源进行匹配和分级,通过文献的级别决定推荐的次序,对推荐信息进行反馈,动态更新读者的偏好档案.     

基于Web使用挖掘的资源网站优化

如何实现网站结构优化与个性化服务是当前教学网站建设的两大热点,Web挖掘则是解决这类问题的最有效的方法.文章提出了基于Web使用挖掘的教学资源网站优化体系结构的框架模型,具体介绍了离线分析与在线处理两个阶段的实现过程.     

基于改进k-prototypes算法的Web日志分析系统的设计与实现

设计了一个基于改进k-prototypes算法的Web日志分析系统,结合学校网站采集的数据针对相关技术算法进行了应用及分析.     

个性化推荐系统描述文件攻击检测方法

个性化推荐系统能产生针对性的、个性化的信息来满足不同用户需求,但也很容易受到用户描述文件注入恶意攻击,影响正常的推荐结果。针对该问题,分析和研究了描述文件的形式化模型、描述文件的属性及分类方法,应用粗糙集理论,设计了数据预处理离散化、决策表约简和个性化推荐处理相应算法,提出了一种用户描述文件分类学习和攻击检测的方法;为降低攻击对推荐结果的影响,完善了推荐系统的安全,设计出一种动态交互的个性化推荐模型框架。实例证明,用户描述文件的属性分类及检测方法是有效的,准确率高,能够有效地改善个性化推荐系统模型的安全。     

一个基于WWW的工作流管理系统

对工作流技术作了概要介绍,提出了一种基于Web的工作流管理结构模型:iWFMS,最后对在企业中的具体应用进行了较详细探讨和研究,初步实现了基于该模型的某企业集团预算与监督管理系统。     

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。     

基于Hadoop的高校图书推荐算法研究

传统的推荐系统在大数据环境下已经无法满足人们的需求,云计算的出现使个性化推荐系统更能适应海量数据的发展要求。以内蒙古工业大学图书馆的借阅记录为研究对象,使用协同过滤推荐算法进行个性化推荐,基于高校图书馆流通记录特点对算法提出改进并编程实现,最后在Hadoop平台下进行MapReduce并行化实验,实验结果证明在云平台下算法的可扩展性得到了有效的提高。     

一种Web3.0支持的SECI模型

在对SECI模型的知识转化过程和场域,以及Web3.0的技术特征和应用进行简要分析的基础之上,参考Mohamed Amine Chatti提出的Web2.0驱动的SECI模型,本文将Web3.0与SECI模型进行整合,使Web3.0支持SECI模型的实现,得出一种基于Web3.0的SECI模型。     

个性化Web信息代理的研究与开发

介绍了在Web信息检索过程中通过个性化信息代理(Agent)实现个性化信息反馈的工作、提出了信息Agent模型，涉及元搜索引擎的实现和个性化偏好模型的建立，且通过主动服务代理实现个人偏好查询结果的推送．提高了在Web信息检索过程中系统随用户关注程度和关注领域不断变化而调整信息反馈的能力，并在此设计基础上实现了一个原型系统．     

Web服务组合模型的研究

针对Web服务组合问题,提出一种基于先进先出通信通道的Web服务组合模型,支持Web服务的层次性组合。给出了该模型的形式化定义及Web服务描述语言与该模型的对应关系。介绍了用于建模Web服务行为的Pi-演算语言的基本语法及操作语义。通过一个旅游路线预定服务研究了Web服务组合模型的实际应用。     

视频点击流数据挖掘在远程教育中的应用

Web数据挖掘已经成为数据挖掘技术一个重要的应用领域,文章主要通过对远程教育网站的视频点击流日志文件进行数据挖掘,寻求用户访问规律,构建动态的个性化教育网站.     

一种基于QoS综合匹配的Web服务选择方法

当前基于QoS的Web服务选择方法,缺乏同时考虑QoS语义和数值处理及用户的个性化需求。基于多属性理论,提出一种QoS综合匹配方法用于筛选功能相同但QoS属性不同的候选Web服务。本方法包含QoS语义和数值综合匹配、构建多属性决策矩阵、个性化服务选择这几个阶段。实验验证本方法推荐结果符合用户需求。     

知识管理过程研究

本文在分析知识管理、知识管理系统 (KMS)的含义和Web技术的特点的基础上 ,提出了一种基于Web的企业KMS模型框架 ,并且还分析了该模型框架中各组成部件的功能 ,指出 ,企业依据模型框架 ,能易于构建知识管理体系和实现有效的知识管理 ,实现知识资源的共享和充分运用     

基于Web挖掘的数字图书馆个性化技术探究

通过对Web挖掘技术的分析和研究,介绍了Web挖掘在数字图书馆中的应用,提出基于Web内容挖掘、Web结构挖掘、Web使用挖掘的数字图书馆个性化服务体系.     

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。     

我国互联网媒体的演化研究

技术是互联网媒体产生的根源,也是促进互联网媒体演进和升级的促进力,按照技术标准,我国互联网媒体经历了三个阶段:一是Web1.0时代,海量是其特点,信息推荐方式为媒体推荐;二是Web2.0时代,及时、互动是其特点,信息推荐方式为社交关系推荐;三是Web3.0时代,智能、数据是其特点,信息推荐方式为个性化推荐。