个性化推荐
个性化推荐的相关文献在2003年到2022年内共计2285篇,主要集中在自动化技术、计算机技术、信息与知识传播、教育
等领域,其中期刊论文1619篇、会议论文62篇、专利文献584216篇;相关期刊624种,包括情报杂志、现代图书情报技术、电脑知识与技术等;
相关会议58种,包括信息系统协会中国分会第六届学术年会、中国通信学会信息通信网络技术委员会2015年年会、2015中国旅游科学年会等;个性化推荐的相关文献由4517位作者贡献,包括刘业政、陈恩红、刘建国等。
个性化推荐—发文量
专利文献>
论文:584216篇
占比:99.71%
总计:585897篇
个性化推荐
-研究学者
- 刘业政
- 陈恩红
- 刘建国
- 朱定局
- 王伟
- 刘威
- 卫琳
- 古天龙
- 吴彦文
- 夏秀峰
- 石磊
- 穆瑞辉
- 李斌
- 沈婧
- 熊璋
- 纪达麒
- 聂礼强
- 陈运文
- 余力
- 刘洋
- 向伟
- 姜元春
- 常亮
- 张磊
- 徐倩
- 李伟
- 李树青
- 赵建立
- 陈俊
- 丁浩
- 于敬
- 冯勇
- 刘正
- 刘淇
- 单蓉
- 孙小兵
- 宾辰忠
- 张旭
- 徐红艳
- 杜小勇
- 杨丽娜
- 王刚
- 王守军
- 王玉峰
- 许翀寰
- 郭强
- 陈华月
- 陈超
- 高赞
- 于戈
-
-
张磊
-
-
摘要:
目的 针对传统的网络信息资源个性化推荐方法 存在推荐效果不佳的问题,提出基于情景感知技术设计网络信息资源个性化推荐方法 .方法 以网络信息资源数据集的接触频率为切入点,挖掘用户行为模式,提取网络信息资源社会关系,匹配用户兴趣偏好,根据偏好数据,计算环境情景和社会关系情景间的用户综合情景相似度,基于情景感知,生成用户偏好推荐,从而完成网络信息资源个性化推荐.结果 仿真实验结果 表明,所提方法 的推荐项目相关性和用户偏好相关性分别为0.4和0.65.结论 所提方法 比传统方法 的推荐项目相关性和用户偏好相关性高,且推荐效果较好,具有一定的实际应用价值.
-
-
刘佳;
章健
-
-
摘要:
传统的短视频个性化推荐方法无法保证平均召回率,导致其推荐结果不理想,因此,设计了一种基于数据挖掘的个性化推荐方法。该方法首先构建了短视频推荐框架,并在建立书画类短视频用户画像的基础上,基于数据挖掘过程处理书画类短视频数据,从而实现书画类短视频个性化推荐。实验结果表明,相比于传统方法,该方法的平均召回率较高,短视频推荐效果更好。
-
-
黄宇星;
卢锋
-
-
摘要:
面对海量的学习资源,如何为学习者推荐与情境相匹配的学习资源是亟需解决的问题。文章在详细描述学习资源个性化推荐情境要素的基础上,构建了包含情境感知层、资源管理层、学习诊断层、个性推荐层及学习者界面的学习资源个性化推荐系统,并阐述了系统的推荐流程及实现。在情境感知理论的基础上,构建以情境感知技术为核心的学习资源个性化推荐系统,能提高学习资源与学习者之间的动态适应性,更好地服务于学习者的个性化学习需求。
-
-
石春辉;
贺陈慧
-
-
摘要:
谭昶毕业于中国科学技术大学计算机应用与技术专业,主要从事数据挖掘和推荐系统技术的研究和推广应用,在大数据技术、个性化推荐方面有着多年研究和实践经验。2015年,谭昶就职于科大讯飞,先后负责公司智慧城市、计算广告和个性化推荐等方向的大数据核心技术研发及应用推广工作,现任科大讯飞股份有限公司大数据研究院执行院长兼智慧城市事业群副总裁。作为中国计算机学会公共政策委员会执行委员及大数据专家委员会委员,谭昶对于大数据以及人工智能技术在公共服务领域的应用、行业人才的培养,也有诸多思考。
-
-
谢妙;
邓育林;
吕洁
-
-
摘要:
为了提高个性化推荐系统性能,提出了一种基于深度受限玻尔兹曼机的个性化推荐方法。首先通过提取推荐系统的用户和资源特征构建多层受限玻尔兹曼机(Restricted Boltzmann machine,RBM)网络,从而形成深度受限玻尔兹曼机个性化推荐模型;其次通过可视和隐藏层的边缘概率分布求解待推荐训练样本的最大似然度;然后结合对比散度(Contrast divergence,CD)重构来获得RBM主要参数更新方式,并通过可视和隐藏层的正反向更新,来获得稳定的RBM结构;最后利用计算用户资源评分值实现个性化推荐。实验结果表明,在训练样本稀疏度合理范围内,与常用个性化推荐算法比较,所提方法通过合理控制RBM深度和设置合适的隐藏层节点数,能够获得更优的均方根误差(Root mean squared error,RMSE)性能。
-
-
吴锦昆;
单剑锋
-
-
摘要:
如今的用户面对着大量的信息,从中选取与自己联系密切的相关信息就显得非常困难了。电子商务平台、社区团购平台以及视频平台,面对日益增长的用户数据,需要从中挖掘有利于提高平台效率的信息,因此对用户的个性化推荐提出了更高的要求。各平台都希望能够把握每一个用户的动态信息,实施更加精准的个性化推荐,个性化推荐不仅能够提高平台的效率,也能够为用户带来极致的体验。由于传统的协同过滤算法评价体系中没有考虑到不同用户存在评分的差异,所以在准确性、精确性、差异性等方面仍然需要进一步的提高。该文主要针对在电影评分推荐协同过滤算法中精准化的需求,引入用户差异因子w_(v)^(u),融合原有的皮尔逊相似度计算,从而解决传统的协同过滤算法相似性计算中,针对不同用户具有不同评价体系存在一定偏差的问题。采用Movielens 1m电影评分数据集进行仿真,证明了改进后相似度计算的协同过滤算法能够降低MAE值。
-
-
丁睿豪;
夏德元
-
-
摘要:
推荐算法已经渗入信息生产的各环节,它带来的技术、社会和伦理等问题成为学界关注的焦点。运用Citespace分析软件对2010—2019年国内新闻传播学领域个性化算法推荐共453篇文献进行科学知识图谱分析后发现,学界有关算法推荐问题的研究成果呈逐年上升趋势,并随着运用算法推荐的新闻分发平台的崛起而出现爆发式增长;研究热点相对集中于对算法推荐技术的思考、现象的探讨以及对挑战和机遇的分析。如何在技术的发展中把握主动,进行富有前瞻性的学术研究,则成为学界未来需要努力的方向。
-
-
孙若瑶
-
-
摘要:
本文从抖音短视频APP入手,研究抖音短视频平台的内容分发所使用个性化推荐的一般模式,并且研究这种推荐模式对用户产生什么影响,本文就抖音的推送方式进行阐释后,再表明“信息茧房”的危害,对抖音的内容推荐模式产生的影响进行论述,分析为用户推荐内容的根本思路和逻辑是什么。本文经过分析得出,抖音用户的选择性心理是让用户走进“信息茧房”的首要条件,抖音平台中个性化推荐会进一步促进“信息茧房”现象的产生,从而使用户有“媒介依存症”,于是可能开始单一的信息获取路径,这会造成用户眼界受限。要想避免这一算法带来的弊端,就需要用户、内容分发平台、全社会三者联合来破除“信息茧房”的消极影响,都回归工具理性,让抖音短视频平台呈现出更有意义和内涵的社会价值。
-
-
李楠
-
-
摘要:
为有效管理大学就业信息,提升大学毕业生就业比率,设计基于大数据平台的大学就业信息管理系统。系统中毕业生管理平台用于毕业生编辑个人信息、了解就业相关信息、查看招聘信息;企业信息管理平台用于企业编辑自身资料与发布招聘信息,寻找符合岗位需求的毕业生;个性化推荐平台利用基于用户历史信息的推荐方法实现离线就业推荐,利用基于实时用户行为数据推荐方法实现在线实时就业推荐,提升就业比率;就业信息跟踪管理平台负责记录毕业生就业信息,核实招聘信息的真实性。实验证明,该系统在不同用户并发访问数量时的系统响应时间快、资源占用率低,有效提升了大学毕业生就业比率。
-
-
宋晓丽;
贺龙威
-
-
摘要:
随着互联网技术的发展以及2020年新冠疫情的爆发,越来越多的学生选择在线教育.然而在线课程数量庞大,往往无法及时找到合适的课程,个性化智能推荐系统是解决这一问题的有效方案.本文根据用户在线学习具有明显时序性的特点,提出一种基于改进自编码器的在线课程推荐模型.首先,利用长短期记忆网络改进自编码器,使得模型可以提取数据的时序性特征;然后,利用Softmax函数进行课程的推荐.实验结果表明,所提方法与协同过滤算法和基于传统自编码器的推荐模型相比,具有更高的推荐准确率.
-
-
杨丹
- 《辽宁省通信学会2019年度学术年会》
| 2019年
-
摘要:
随着人们日常生活变得智能化,观看互联网电视占据了人们娱乐休闲时光的绝大部分时间,互联网电视行业行情一片大好,是运营商在智能化时代的又一大商机.然而随着人们生活品质的提升,对互联网电视内容的需求也在不断增长,运营商不能止步于为客户提供传统的电视业务,应从客户需求出发,应用个性化推荐技术为客户提供有针对性的内容及服务,从而实现商业效益及品牌口碑的双丰收.
-
-
Fan Yu;
樊宇
- 《第25届媒体融合技术研讨会》
| 2017年
-
摘要:
本文主要研究个性化推荐系统在新媒体行业的应用,通过对数据类型分类,设计联系用户和物品的评测模型,再利用数据采集架构采集用户行为数据,并用协同过滤算法得出推荐结果,解决了在IPTV领域用户量大、资源相对变化慢的个性化推荐问题;针对个性化推荐系统存在的问题,研究行业内相关成果,对个性化推荐系统的发展做出了展望,并对接下来的工作做了安排和计划.
-
-
-
-
王川芳
- 《第9届全球华人探究学习创新应用大会》
| 2018年
-
摘要:
文章介绍了学习分析、个性化推荐的相关概念,通过获取学习者的基本信息数据、学习行为数据、交流数据等,应用多种学习分析方法与个性化推送技术相结合的方法,提出了个性化学习资源推荐策略,并在此基础上建立了在线学习资源个性化推送模型,以期为未来研究者提供参考.
-
-
-
盖琪琪;
赵蔚;
孟凡媛
- 《第16届教育技术国际论坛暨首届智慧教育国际研讨会》
| 2017年
-
摘要:
文章选取国内外不同教育领域内具有影响力的移动学习App,针对其个性化学习设计进行比较分析,了解国内外移动学习App个性化建设现状,希望在此基础上为国内其他学习应用向个性化学习迈进提供一些建议.从海量的资源中为学习者提供其真正所需资源,应作为衡量移动学习是否真正实现了个性化学习的指标之一,建议ML-APP采用自适应技术,根据学习者风格动态呈现资源形式,根据学习者学习需求和兴趣个性化推荐学习内容。移动学习首先需要丰富学习方式,除独立学习以外,可以增加其他类型的学习方式来激发学习者的学习兴趣比如给予奖惩措施激发竞争式学习,构建学习群加强协作学习。此外,利用大数据学习分析能够深入探究学习过程与情景,据此可改善学习评价,提供个性化学习反馈。
-
-
Xi Yan;
席岩;
Zhang Naiguang;
张乃光;
Wang Lei;
王磊;
Zhang Zhijun;
张智军;
Liu Haitao;
刘海涛
- 《第25届媒体融合技术研讨会》
| 2017年
-
摘要:
在大数据时代,社交网络以及以社交为基础的互联网应用不断迅猛发展,其背后带来的是数据的爆炸式增长.对用户数据的采集以及合理的推荐,成为了各大网站的重要课题.用户画像提取过程,是个性化推荐的关键步骤.随着社交网络的快速发展,媒体类型不断丰富,用户参与门槛的不断降低.用户表达的数据模态逐渐呈现多样,为用户画像提取提供了广阔空间.随着用户画像数量的不断递增,利用大数据技术,有效的存储、计算用户画像,逐渐成为研究热点.本文首先介绍了相关的背景,然后介绍了基于大数据的用户画像构建方法,并介绍了不同数据集中的用户画像的应用,最后本文对基于大数据的用户画像方法进行了总结和展望,指明了该技术当前存在的问题与发展趋势.
-
-
施靖豪;
黎曼懿;
刘鸣;
倪涵
- 《第20届华东六省一市测绘学会学术交流会(上海)》
| 2018年
-
摘要:
基于UWB高精度室内定位技术,采集游客参观展馆位置数据,对数据进行初步整理分类、统计分析,画出游客参观展馆热力分布图.其次,利用人工智能领域协同过滤算法(Collaborative Filtering)对数据进一步分析挖掘,得到各展台热度排名,并得到不同类型游客的参观特性指标以及各展台的特性指标.基于算法分析所得结果,为不同类型游客推荐个性化参观路线,并通过与统计结果的对比验证推荐结果的合理与准确性.同时为类似场馆和新场馆的建设、排布提供改进建议.
-
-
施靖豪;
黎曼懿;
刘鸣;
倪涵
- 《第20届华东六省一市测绘学会学术交流会(上海)》
| 2018年
-
摘要:
基于UWB高精度室内定位技术,采集游客参观展馆位置数据,对数据进行初步整理分类、统计分析,画出游客参观展馆热力分布图.其次,利用人工智能领域协同过滤算法(Collaborative Filtering)对数据进一步分析挖掘,得到各展台热度排名,并得到不同类型游客的参观特性指标以及各展台的特性指标.基于算法分析所得结果,为不同类型游客推荐个性化参观路线,并通过与统计结果的对比验证推荐结果的合理与准确性.同时为类似场馆和新场馆的建设、排布提供改进建议.