推荐算法

摘要： 从行动者网络理论视角探寻短视频推荐算法的"黑箱"与运行逻辑,以及由此带来的算法伦理问题在智能时代尤为重要.短视频推荐算法是由短视频平台管理者主导的,与用户、商业资本、行业政策等行动者相互影响和动态建构而成的,并非纯然中立的客观物,而是具有价值观的行动者.短视频推荐算法中内嵌了用户偏好、社交关系、公共议题、场景、差异化和平台优先级六大价值观念要素,反映出流量至上和商业利益优先的算法价值观,以此为依据的短视频推荐算法实践带来了隐私泄露、信息窄化和算法歧视等伦理问题,亟需短视频平台公开并优化算法、用户改变信息消费习惯和提升算法素养、行业协会和政府部门加强算法审查与监督,从而促进算法"向善"更好地造福人类.

摘要： 推荐系统作为信息筛选工具,通过对用户个人信息记录分析以实现用户兴趣预测,推荐满足用户需求的物品列表,其核心是推荐算法。现有的推荐算法大多需要收集用户大规模的数据训练来实现,存在数据稀疏性的问题,且当用户需要购买新物品时,往往无法进行有效的推荐。针对该问题,本文提出了一种基于知识图谱和内容的推荐算法。首先,解析用户记录并构建知识图谱,设计基于知识图谱的相似度算法,对知识图谱中的实体与关系进行相似度计算;其次,基于文本词嵌入对内容进行向量化表示,并构建基于内容的相似度算法;最后,本文融合了基于知识图谱的相似度算法和基于内容的相似度算法,通过权重计算选取得分高的值作为推荐结果。与其它模型在MovieLens数据集上进行了实验对比,实验结果表明,本文所提出的算法在召回率和准确率方面有明显的提升。

摘要： 针对当前教学视频资源的海量性现象,设计大数据分析的海量教学视频资源管理系统。将系统划分为应用表现层、服务中间层、云存储层以及采集层。利用教学视频采集模块采集教学视频资源,并存储于云存储层内;对教学视频资源实施视频切割,视频帧提取等预处理,并将预处理后所得数据传输至Hadoop分布式文件系统HDFS中完成视频管理,采用教学视频推荐算法根据用户实际情况向用户推荐可用的教学视频,通过应用表现层呈现视频推荐结果。实验结果显示该系统可同时处理大量命令,具有较高的吞吐量,且具有较好的教学视频资源推荐性能。

摘要： 越来越多的MRO工业品供应商意识到MRO采购与服务信息化的重要性,纷纷开始选择开发运营管理平台系统,因此MRO运营管理平台系统的构建日益得到行业用户的重视。针对MRO产品经销商的销售与行业特点,通过深入调研现有的几大MRO工业品电商运营模式,结合企业实际现状,与现有ERP系统互补,采用MVC模式为MRO销售企业的线上销售平台开发构建一套基于服务推荐的MRO运营管理平台系统。平台系统的主要功能模块涉及订单、结算、库存、销售、产品、客户及权限七个方面,在此基础上,将推荐算法融入平台系统的开发当中,使得MRO运营管理平台系统能够依据行为推荐算法向选购不同商品的客户进行相关的MRO工业品的推荐。实践证明,系统通过完整的设计、实施、测试步骤后,能够满足企业的个性化需求,具有可扩展性与可维护性,能够与客户实现良好的交互,部署到Web服务器即可应用。

摘要： 面向各类应用场景的移动APP不断涌现,但富有特色的政府采购APP却不多见。文中基于政府采购信息化现状,以政府采购信息的重组织和再利用为目标,针对投标参与方实际需求,结合移动终端应用特点,实现了一个融入推荐算法的政采消息通系统。首先,采集和重组政府采购网站的数据;其次,实现服务于移动APP的数据访问接口;最后,通过Android上的移动APP以日历、地图等视图将用户关注的信息进行组织和展示,并实现消息通知、关注提醒、智能推荐等功能。政采消息通系统能为投标参与方带来极大便利,具有较好的应用前景。

摘要： 论文依据网络正能量模糊性和多规则的特点,借助语言犹豫模糊集和普通犹豫模糊集建立正能量事件的评价集,针对事件属性对正能量的影响效应确定各属性的模糊熵和权重,建立犹豫模糊推荐模型。借助TOPSIS的思想,从大数据中得到正能量事件的标准值,通过事件与标准值模糊相似度的计算确定推荐阈值以得到满意的正能量事件推荐结果。

摘要： 如何融合多方因素准确地为用户提供个性化产品一直是关注的热点问题,由此,一个新的近相邻改进算法融入了大众化认同度和个性化认同度,利于更加高效地挖掘隐藏信息。实验结果表明,相对于传统近相邻算法,认同度修正算法虽然查全率小幅度上下波动,但其他多个评价指标都得到极大提升,假正率和深度有所减少,查准率、F1值和提升度得以增加,并且,受试者特征曲线和提升曲线也都说明此修正算法具有更为显著的推荐效果。

摘要： 借助互联网、大数据技术,针对地方戏曲数字化资源的管理、地方戏曲移动端多元化传播的方式,以及综合性人才培养模式提出了创新性的建议。数字化技术是戏曲文化传承和创新发展的工具,一定要找到技术和文化的平衡点,同时应当关注技术带来的一系列负面效应。

摘要： 针对用户有复习记忆的需求,本文设计了一款基于艾宾浩斯记忆曲线的“防遗助记”APP,主要包含遗忘复习模块、个人中心推荐模块以及用户登陆注册模块。该APP运用了Android技术、Spring Cloud、服务注册与发现技术以及个性化推荐算法来实现系统的功能,且将艾宾浩斯遗忘曲线融入遗忘复习模块中,可以辅助用户进行强化记忆。

摘要： 移动互联网的发展使移动端知识获取模式成为时代的新宠,诗词亦是中华文化的璀璨明珠,诗词学习与移动学习的联合已迫在眉睫.本系统使用Client/Server(客户/服务器)结构,由Faster R-CNN实现图像识别,再通过循环神经网络模型(RNN)完成古诗生成功能,最后根据协同过滤推荐算法完成个性化推荐.客户端APP以Flutter,SpringBoot框架为基础开发,数据库采用了MySQL关系型数据库管理系统进行数据管理,结合服务器与系统进行连接进而实现所需功能.面向对诗词学习存在需求及抱有浓厚兴趣的人群,开发出一个致力于传承发扬中华文化,结合图像识别与深度学习技术以实现智能识图与古诗生成的诗词学习系统.

摘要： 个性化推荐作为一种有效的信息获取手段已成功应用于电商、音乐和电影等领域.已有研究多数聚焦于推荐的精度,缺乏对推荐结果的多样性考虑,忽略了应用领域中被推荐项目的流程特性(如"互联网+政务"中办事项的推荐).为此提出一种综合用户社区与关联序列挖掘(CAS-UC)的电子政务推荐算法,优先向用户推送利益关联最大的办事项.首先,对用户和办事项的静态基本属性以及动态行为属性分别进行特征建模;其次,基于用户的历史办事记录和属性相似度进行用户社区发现,预筛选出与目标用户最为相似的用户集,提高推荐结果的多样性,减少核心推荐过程的计算量;最后,办事项的关联序列挖掘充分考虑了电子政务的业务特性,加入时间维度的办事项序列挖掘,进一步提高了推荐结果的精度.以芜湖市易户网为平台裁体,基于Spark计算平台对用户脱敏后的信息进行仿真,实验结果表明,CAS-UC适用于被推荐项目具有序列或流程特性领域的推荐,与传统推荐算法如协同过滤推荐、矩阵分解以及基于语义相似度的推荐算法相比,具有更高的推荐精度,用户的多社区归属因素增加了推荐结果的多样性.

摘要： 现有的基于信任的推荐算法通常假设用户是单一和同质的,没有充分挖掘信任关系信息,且相似关系和信任关系的融合缺乏高效的模型,极大地影响了推荐的准确性和可靠性.本文提出一种基于信任的推荐算法.首先结合全局信任和局部信任,并利用信任的传播性质对信任关系进行建模,然后设置推荐权重,综合考虑相似度和信任度来构建用户间的偏好关系,筛选出邻居.接着将基于记忆的协同过滤思想和社交网络的信任关系融入概率矩阵分解模型,同时使用自适应权重动态决定各部分的影响程度,形成高效统一的可信推荐模型Trust-PMF.本文的算法在FilmTrust、Epinions这两个数据集上与相关算法做了对比验证,结果证实了此算法的高效性。

摘要： 电子商务中的个性化推荐技术能够根据用户的喜好从海量的数据中挑选用户可能感兴趣的商品，使得用户从大量数据搜索以及搜索关健词表述不全等问题中解放出来。然而传统的协同过滤算法或基于内容的推荐算法都无法在发展迅猛的移动电于商务平台体现出位笠信息在商品推荐中的作用。针对上述问题，提出了位置信息在移动电子商务平台中的重要度，以便更好地反映用户位置上下文时用户兴趣的影响，将这种度量加入到移动电子商务平台的推荐系统中，相较于传统的推荐算法，在对用户进行商品推荐时的准确度有明显的提高。

摘要： 协同过滤(CF)已经在推荐系统得到了广泛地应用.但是随着用户和项目规模的增大,协同过滤算法运行效率以及结果正确性会大大降低,针对这一问题,本文提出一种基于GPU的非负矩阵分解(NMF)的并行协同过滤方法,充分利用NMF数据降维和特征提取的优势以及CUDA的多核并行计算模式,进行维数简化和用户的相似性计算,算法在提高精确性的同时也减少了计算耗费,可以较好地解决协同过滤推荐系统所存在的稀疏性、扩展性等问题,快速产生精确的个性化推荐结果.利用NVIDIA CUDA设备和真实的MovieLens用户评分数据集,将本文所设计的并行NMF协同过滤算法与传统的基于用户的和基于物品的协同过滤算法进行了比较,实验结果表明,所设计的并行NMF协同过滤算法达到了较快的处理速度以及较高的推荐准确率.

摘要： 数据驱动使得小米互联网业务以及大数据平台规模得到了持续增长,也助推了搜索和推荐技术的发展。本次分享主要介绍面向大数据的机器学习算法在小米搜索与推荐的典型应用。

摘要： 本文通过研究非均匀荷载架空线的线长积分计算,并基于整个耐张段内原始线长相等的原理建立了涵盖孤立档、连续档的架空线力学的统一状态方程,在经典简支梁理论的基础上,提出适用于孤立档、连续档的非均布荷载张力弧垂精确计算方法,同时综合考虑破坏拉断力、档距、耐张段档数、高差角、耐张串串长及串重等敏感因素,分析了传统的孤立档、连续档架线计算方法与统一状态方程架线及竣工弧垂的误差规律,提出了大吨位耐张串线路导线架线弧垂的推荐算法.

摘要： 在传统的基于内容的推荐算法中,用户模型和物品模型的构建都是以新闻、社交、购物、视频、图书等单一领域内的数据为基础,而对用户在交错领域内行为的综合分析尝试较少.推荐系统需要在大规模用户情况下依然具备快速产生推荐结果的能力,串行算法已经无法完成这个任务.本文使用中文信息学会社会媒体处理专业委员会提供的SMP2015微博数据集,在Spark集群环境下并行计算微博用户的TF-IDF特征向量作为跨领域用户模型,为下一步实现并行的大规模的跨领域的基于内容的推荐算法准备基础数据.实验结果表明,基于Spark的用户特征向量提取具有高可扩展性,通过增加Spark集群中的CPU核心数能显著缩短构建大规模用户特征向量的计算时间.

摘要： 本文通过梳理原有电子健康档案使用中存在的一些问题,结合全息健康档案的建设,讨论如何促进档案管理模式从存储型向应用型转变.在汇聚大量行内外健康医疗数据的基础上,全息智能档案结合了大数据技术,提供智能分析提醒,为市民健康管理提供帮助,为临床诊断提供辅助支持,促进市民进行全方位的健康管理.

摘要： 本文通过梳理原有电子健康档案使用中存在的一些问题,结合全息健康档案的建设,讨论如何促进档案管理模式从存储型向应用型转变.在汇聚大量行内外健康医疗数据的基础上,全息智能档案结合了大数据技术,提供智能分析提醒,为市民健康管理提供帮助,为临床诊断提供辅助支持,促进市民进行全方位的健康管理.

摘要： 本文通过梳理原有电子健康档案使用中存在的一些问题,结合全息健康档案的建设,讨论如何促进档案管理模式从存储型向应用型转变.在汇聚大量行内外健康医疗数据的基础上,全息智能档案结合了大数据技术,提供智能分析提醒,为市民健康管理提供帮助,为临床诊断提供辅助支持,促进市民进行全方位的健康管理.

摘要： 本发明涉及计算机网络技术领域，尤其涉及一种基于推荐算法的会议推荐系统，包括：信息获取模块，用以获取用户的参会意向的相关信息；数据传输模块，用以接收信息获取模块获取的信息；中控模块，用以对数据传输模块输送来的相关信息进行分析计算并根据分析计算结果控制会议推荐模块对相关用户进行会议推荐并将会议推荐系统的运行参数调节至对应值；会议推荐模块，用以接收中控模块的发送的指令并根据控制指令对用户进行不同的会议推荐；数据存储模块，用以调取历史会议推荐内容并存储当前会议推荐内容。本发明实现了对于用户的会议精准推荐，从而有效提高了会议推荐的准确性。

摘要： 本发明公开了一种改进了协同过滤推荐算法的推荐系统，属于推荐系统技术相关领域。该推荐系统包括输入模块、推荐算法和输出模块三个部分，输入模块用于输入用户个人基本信息、用户对项目的评分和用户历史信息等；推荐算法根据输入信息分析用户兴趣爱好，寻找最相似用户和项目，给出预测的评分结果；输出模块依据用户输入请求，输出相应的推荐项目。其中改进部分是对推荐算法中冷启动问题进行优化。针对新用户、新项目和新系统不同的冷启动问题，提出了优化解决方法。

摘要： 本发明基于网络协同制造技术资源服务平台提供了一种基于混合推荐算法的技术资源及服务推荐系统，包括数据预处理模块、用户语义描述模块、个性化技术资源推荐模块、企业相似度计算模块、个性化服务推荐模块、技术资源及服务潜在组合挖掘模块。所述数据预处理模块包括对用户浏览与购买记录、企业注册信息等数据的预处理；所述用户语义描述模块对用户可能感兴趣的领域信息进行建模；所述个性化技术资源推荐模块向用户推荐技术资源；所述企业相似度计算模块包括两种相似度计算方法。本发明充分利用平台数据，通过多种数据分析算法混合，全方位向用户推荐技术资源及企业服务，达到提高网络协同制造程度的目的。

摘要： 本发明公开了一种基于混合推荐算法的学术会议推荐系统，能够从用户个人邮件及公开会议发布网站上获取学术会议信息，通过内容过滤及有效信息提取处理原始信息生成会议信息摘要，并根据用户的历史行为及基于TF‑IDF和词向量的学术会议文本表示方法使用融合基于用户的协同过滤及基于内容的混合推荐算法实现学术会议信息的个性化推荐，并通过基于WEB的展示和网盘归档两种方法实现信息的推送。该学术会议推荐系统有助于提高科研人员处理信息的效率，有效地改善学术会议过多选择问题。

摘要： 本发明请求保护一种基于混合推荐算法的歌曲推荐方法，其包括以下步骤：用户进行播放歌曲请求，获取用户的歌曲播放日志，得到用户—歌曲评分矩阵，从预设的用户属性项集合中确定出与所述播放歌曲请求的目标属性项，并利用建立的用户—歌曲评分矩阵，进行歌曲的初步推荐；根据歌曲播放日志，计算所述歌曲播放日志中每首歌曲的用户偏好度；确定推荐列表，并将所述推荐列表推荐给的用户；若和歌曲初步推荐结果有一半一样则按此推荐，若不一样则选取评分第二高的歌曲作为目标歌曲，重复以上步骤进行填充，直到超过一半相同则推荐歌曲歌单给用户。本发明混合推荐方法可以提高歌曲推荐的准确性。

摘要： 本发明公开了一种基于协同过滤推荐算法用于案例推荐的方法与系统，该方法包括以下步骤：S1、用户输入；S2、对用户选择项进行相似度计算，发现最近邻居；S3、根据用户相似度计算产生推荐数据集；S4、构建并利用标签给用户推荐相似案例。有益效果：通过运用协同过滤算法及对其进行改进，能够提高推荐案例的准确性，在用户选择输入项后，会根据系统推荐的案例选择不相关、基本相关、非常相关，从而能够有效地提高用户对案例的理解程度，降低民众维权的专业性限制；同时本方法通过改进现有推荐算法能够根据用户的选择项直接判断是否为相似输入，甚至找到相同输入，从而减少现有算法中的数据矩阵构建，提高效率与推荐的准确率。

摘要： 一种基于协同过滤推荐算法-K最近邻分类算法的App推荐方法。本发明采用一种支持向量机与KNN算法相结合的方法实现室内定位，旨在改善App推荐的精准度，其实现推荐的主要过程如下，第一，采集用户注册信息，包括年龄、爱好、账号等信息；第二，采集用户移动设备上安装的App名称信息并且上传到后台服务器；在用户装载或卸载移动设备上的App时，其在后台服务器上对应的App名称信息也相应地添加或删除；第三，采用基于协同过滤的推荐算法，根据KNN原理，利用用户安装的App信息，找出与该用户兴趣相似度较大的集合M；将集合M中的用户所有App信息存储到集合N中；统计集合N中各个App出现的次数，按照次数多少的顺序返回给用户。

摘要： 本申请提供一种推荐算法的测试方法和广告推荐系统，所述推荐算法的测试方法，包括：基于待测试的推荐算法，构造相互之间为正交关系的至少两个算法测试实验，其中，每个算法测试实验中包括需相互比较的至少两种推荐算法；在每一个算法测试实验中，将参与实验人群中的目标用户以随机方式平均分配至所述算法测试实验的各个推荐算法中，其中，每个算法测试实验基于相同的实验人群；根据所述目标用户对应的推荐算法，生成向各个所述目标用户推送的推荐内容；搜集所述实验人群中各个目标用户针对所述推荐内容的反馈操作的数据，对各推荐算法的算法质量进行评估。

摘要： 本发明涉及计算机网络技术领域，尤其涉及一种基于推荐算法的会议推荐系统，包括：信息获取模块，用以获取用户的参会意向的相关信息；数据传输模块，用以接收信息获取模块获取的信息；中控模块，用以对数据传输模块输送来的相关信息进行分析计算并根据分析计算结果控制会议推荐模块对相关用户进行会议推荐并将会议推荐系统的运行参数调节至对应值；会议推荐模块，用以接收中控模块的发送的指令并根据控制指令对用户进行不同的会议推荐；数据存储模块，用以调取历史会议推荐内容并存储当前会议推荐内容。本发明实现了对于用户的会议精准推荐，从而有效提高了会议推荐的准确性。

摘要： 本发明公开了一种基于混合推荐算法的保险产品精准推荐方法，利用TF‑IDF模型计算新客户保障项目需求与保险条款相关度M，得到包含高相关度的保险条款集的保险产品集合A；利用余弦相似度方法在已有客户信息资料库中寻找相似客户集合和相似用户选购的保险产品集合B；构建“客户‑保障项目‑保险产品”保险数据三阶评分张量，利用Tucker张量分解算法预测新客户对保险产品的评分，获得保险产品集合C；利用Personal Rank算法输出新客户兴趣度较高的保险产品集合V，得到新客户既感兴趣又符合需求的保险产品集合Z。本发明考虑保险条款对保障项目的限制，利用TF‑IDF关键词提取方法，将真正符合客户保障需求的保险产品推荐给用户，降低客户基于主观判断，错选保险产品的概率。