推荐方法

摘要： 文章基于用户历史行为设计了新的图书馆图书采访推荐方法,分析了图书馆图书采访业务流程,构建了图书馆图书采访推荐模型,通过实例分析,证明了设计方法具有有效性和一定的应用价值。

摘要： 针对社交网络数据在改善推荐效果方面的问题,梳理了融合社交网络数据的推荐,在改善推荐效果方面的方法以及逻辑思路,首先,说明和分析了社交网络的框架以及社会化推荐的概念;然后,根据形成社交网络的主要作用因素不同,分别从基于用户信任的社交网络推荐、基于位置社交网络的兴趣点推荐两个角度出发,归纳,分析其如何融合用户的社交网络信息来提高推荐的准确性,多样性,改善模型运行效率,从而提高推荐质量。

摘要： 现在推荐多样性方法能够在一定程度上满足用户的需求,但大数据时代,仍面临多样性感知差异问题、相关性与多样性平衡问题和多样性性能提升问题。通过从提高推荐多样性所运用的关键理论和技术出发,剖析推荐结果多样化的过程,本文探讨了大数据时代下推荐系统中经典的推荐多样性方法及逻辑思路,并总结出主要提高推荐多样性的方法,且对其性能特点和局限性进行详细分析,最后基于推荐多样性方法面临的挑战进行总结和展望。本文经过梳理后,将推荐多样性方法主要总结为以下四个:基于长尾效应的推荐多样性方法、基于二部图的推荐多样性方法、基于行列式点过程的推荐多样性方法和基于注意力机制的推荐多样性方法。

摘要： 针对现有推荐方法存在交互信息应用不充分和推荐性能不佳的问题,充分利用用户和项目之间的间接交互信息,采用可达矩阵来表达用户和项目之间的间接交互关系,通过可达矩阵与因式分解机有机融合,构建了一个新的推荐方法.在Amazon-Book、Last-FM和Yelp2018数据集上的实验表明,所提方法在推荐效果上既优于传统的基于因式分解机的推荐方法,又好于最新的基于神经网络因式分解机的推荐模型,在推荐的时间效率上比基于知识图谱注意力网络的推荐方法具有明显优势.同时,相对其他推荐方法,该方法还具有更好的可解释性.

摘要： 当前融合评分和标签的推荐方法对两种数据的挖掘程度有限,且大多数局限在提取浅层的线性特征层面.深度学习技术被成功应用于推荐方法,然而数据的稀疏性导致学习的潜在特征效果不好,因此,提出一种融合评分和社会化标签的两阶段深度推荐方法.首先,利用堆叠降噪自编码器分别从评分和社会化标签中提取用户、项目的潜在特征;其次,将学习的潜在特征进行拼接作为用户、项目完整的潜在特征,并与原始评分相结合构建监督学习数据集;最后,将构建的数据集作为BP神经网络的输入以训练评分预测模型.为降低训练误差,通过联合训练的方式进行参数学习.基于MovieLens、Last.FM数据集的实验表明,该方法与几种基准方法相比有更好的推荐性能.

摘要： 图书馆阅读推广活动所产生的用户数据对于进行与读者有关的研究具有重要价值.论文通过LDA主题模型对阅读推广活动中读者书目推荐评论的主题内容进行挖掘,再使用余弦定理进行相似度计算,然后根据计算结果、融合读者背景信息进行个性化的书目推荐.实验结果表明,论文构建的书目推荐方法能够依据读者参加的阅读推广活动的内容进行相关书目的推荐,拓展了图书馆阅读推广服务有关研究的应用范围,为图书馆书目的采购与推荐工作提供了有益的参考.

摘要： 社交网络发展迅猛,社会网络环境下的信息量骤增,如何在大数据下向用户推荐感兴趣的项目是当前研究的热点问题之一.目前的推荐系统在用户反馈数据稀疏的情况下和向新用户推荐中存在推荐不准确的问题,为了提高推荐质量,提出了一种融合社会标签的联合概率矩阵分解推荐模型TaSoRec,该模型运用社交网络的用户、项目、标签三者信息进行推荐,通过对训练模型参数优化,从而提升推荐效果.

摘要： 社交网络发展迅猛,社会网络环境下的信息量骤增,如何在大数据下向用户推荐感兴趣的项目是当前研究的热点问题之一。目前的推荐系统在用户反馈数据稀疏的情况下和向新用户推荐中存在推荐不准确的问题,为了提高推荐质量,提出了一种融合社会标签的联合概率矩阵分解推荐模型TaSoRec,该模型运用社交网络的用户、项目、标签三者信息进行推荐,通过对训练模型参数优化,从而提升推荐效果。

摘要： 针对当前室内设计项目推荐精度、执行效率低的难题,以改善室内设计项目推荐结果为目标,提出了基于协同过滤技术的室内设计项目推荐方法.首先分析当前国内外室内设计项目推荐的研究现状,找到各种室内设计项目推荐方法的不足,然后提取室内设计用户、项目特征,并设计了相似度度量计算公式,并根据k个最近邻用户对项目的预测评分得到室内设计项目推荐结果,最后与其它室内设计项目推荐方法进行了对照实验,分析其有效性和优越性,结果表明,文中方法的室内设计项目推荐精度超过95％,执行时间很短,加快了室内设计项目推荐速度,推荐结果明显好于其它室内设计项目推荐方法,解决了当前室内设计项目推荐过程中存在的缺陷.

摘要： 软件开发与维护过程中常会出现一些安全性缺陷,这些安全性缺陷会给软件和用户带来很大的风险.安全性缺陷在修复过程中,其修复级别和质量要求往往高于一般性的缺陷,因此,推荐出富有安全性经验的开发者及时有效地修复这些安全性缺陷非常重要.现有的开发者推荐技术在推荐开发者时仅仅考虑了开发者的历史开发内容,很少考虑到开发人员的安全性缺陷修复经验和修复质量等因素,所以这些技术不适用于安全性缺陷的开发者推荐.针对安全性缺陷的修复提出了一种有效的软件开发者推荐方法SecDR.SecDR在推荐开发者时不仅考虑了开发者的历史开发内容(与安全性相关),还分析了开发者的修复质量和历史修复缺陷的复杂度等因素.此外,SecDR还实现了开发者的多经验级别推荐:推荐初级开发者修复简单的安全性缺陷,高级开发者修复复杂的安全性缺陷.在三个开源项目(Mozilla,Libgdx,ElasticSearch)上分别对SecDR推荐开发者进行有效性验证.通过对比实验证明,SecDR针对安全性缺陷推荐开发者相比于其他方法(如:DR_PSF)的推荐精度平均高出19％～42％.另外,实验对比了SecDR与实际开发人员的分配情况,结果显示SecDR可以更好地规避不合理的软件开发者的推荐.

摘要： 日常生活中,人们面临越来越多的需要在众多可选对象中进行抉择的问题,过多的可选对象让人难以分辨出最优选项,因而提出了推荐系统来解决这类问题.面临一些待抉择问题时往往会遇到需要衡量风险及收益来进行决策的情况,对此已有的推荐方法依赖于用户的相关数据或相似用户的历史数据,在类似打车地点推荐、超市购买推荐等缺乏这些数据或类似数据可重复利用度低的情况下,需要一种不依赖用户方面数据,同时能够权衡可选对象的风险及收益来进行推荐的推荐方法.这种方法还需要考虑到可选对象之间的风险相关性,并能够对无支配关系的可选对象进行排序.本文以经济学领域的现代投资组合理论为基础,提出一种可应用于上述场景的推荐方法.并以打车位置推荐为例说明如何使用该方法,以及同以往对于该理论的应用相比,应该如何更为适当地选择风险及收益的计算方式.最后本文在真实的数据集上进行实验,验证方法中权衡推荐策略的有效性.

摘要： 本文介绍了在电子商务活动中使用web挖掘技术,提出了一种基于web数据挖掘技术的网上购物智能推荐方法.主要通过挖掘用户的web日志记录并对其进行分析与探索,从而获取日志记录中的规律及在顾客的购物活动中各商品之间存在的关联规则,进而得到推荐系统的模型.

摘要： 学术文章的质量和水平决定科技期刊的质量及前景.科技期刊利用在线投稿和审稿系统的平台,建立在线审稿专家库是保证学术论文评议的前提和基础.结合工作中的体会和经验,总结了建立在线审稿入库的途径,并分析了选择在线审稿专家的原则以及需要注意的问题.可利用世界范围内相关领域的知名国际会议主页选择审稿专家，积极借助知名数据库选择审稿专家，建议作者推荐审稿人，与相关领域其他知名期刊合作，共享在线审稿专家库，利用科技期刊自身的投稿和审稿系统平台，可方便对该期刊感兴趣的学者或是热心审稿工作的研究人员加入在线审稿专家库，为期刊提供持续的审稿专家人选。

摘要： 学术文章的质量和水平决定科技期刊的质量及前景.科技期刊利用在线投稿和审稿系统的平台,建立在线审稿专家库是保证学术论文评议的前提和基础.结合工作中的体会和经验,总结了建立在线审稿入库的途径,并分析了选择在线审稿专家的原则以及需要注意的问题.可利用世界范围内相关领域的知名国际会议主页选择审稿专家，积极借助知名数据库选择审稿专家，建议作者推荐审稿人，与相关领域其他知名期刊合作，共享在线审稿专家库，利用科技期刊自身的投稿和审稿系统平台，可方便对该期刊感兴趣的学者或是热心审稿工作的研究人员加入在线审稿专家库，为期刊提供持续的审稿专家人选。

摘要： 学术文章的质量和水平决定科技期刊的质量及前景.科技期刊利用在线投稿和审稿系统的平台,建立在线审稿专家库是保证学术论文评议的前提和基础.结合工作中的体会和经验,总结了建立在线审稿入库的途径,并分析了选择在线审稿专家的原则以及需要注意的问题.可利用世界范围内相关领域的知名国际会议主页选择审稿专家，积极借助知名数据库选择审稿专家，建议作者推荐审稿人，与相关领域其他知名期刊合作，共享在线审稿专家库，利用科技期刊自身的投稿和审稿系统平台，可方便对该期刊感兴趣的学者或是热心审稿工作的研究人员加入在线审稿专家库，为期刊提供持续的审稿专家人选。

摘要： 学术文章的质量和水平决定科技期刊的质量及前景.科技期刊利用在线投稿和审稿系统的平台,建立在线审稿专家库是保证学术论文评议的前提和基础.结合工作中的体会和经验,总结了建立在线审稿入库的途径,并分析了选择在线审稿专家的原则以及需要注意的问题.可利用世界范围内相关领域的知名国际会议主页选择审稿专家，积极借助知名数据库选择审稿专家，建议作者推荐审稿人，与相关领域其他知名期刊合作，共享在线审稿专家库，利用科技期刊自身的投稿和审稿系统平台，可方便对该期刊感兴趣的学者或是热心审稿工作的研究人员加入在线审稿专家库，为期刊提供持续的审稿专家人选。

摘要： 本发明的目的是提供能够输出对驾驶员而言恰当的信息的推荐驾驶输出装置、推荐驾驶输出系统和推荐驾驶输出方法。推荐驾驶输出装置的特征在于，包括：周围状况获取部，其用于获取车辆的周围状况；推荐驾驶信息存储部，其将所述车辆的周围状况、警告和推荐驾驶指示对应地进行存储；警告接收部，其用于接收与所述车辆的周围状况相应的警告；推荐驾驶指示选择部，其使用所述警告接收部接收到的所述警告和所述周围状况获取部获取的所述车辆的周围状况，从所述推荐驾驶信息存储部选择所述推荐驾驶指示；和输出处理部，其用于输出由所述推荐驾驶指示选择部选择的所述推荐驾驶指示。

摘要： 不会增加用户的操作负担，即可提供用户所需信息。由检索输入信息取得单元(1a)取得检索输入信息。由推荐内容信息生成单元(1b)取得推荐信息，对在检索输入信息取得步骤中取得的检索输入信息和推荐信息的检索输入信息进行比较，根据点数提取检索输入信息一致的推荐信息，生成与提取出的推荐信息表示的内容连接的推荐内容信息。由推荐内容信息提供单元(1c)向用户提供由推荐内容信息生成单元(1b)生成的推荐内容信息。

摘要： 本发明实施例提供了一种向游客推荐导游的方法、向导游推荐游客的方法、以及向游客推荐团友的方法。所述向游客推荐导游的方法，包括：获取待推荐导游的游客；获取所述游客的属性信息；根据所述游客的属性信息以及导游数据库中导游的属性信息，将所述游客与所述导游数据库中的导游进行匹配，生成所述导游数据库中的各个导游与所述游客的第一匹配度；按照所述第一匹配度的高低顺序，从所述导游数据库的导游中，查找出所述第一匹配度排序在前的至少一个第一导游；为所述待推荐导游的游客推荐至少一个所述第一导游。本发明能够帮助游客方便地找到理想的导游。

摘要： 一种推荐装置，其具备：接收部，用于接收具有用户识别符和商品识别符的购买指示，其中，所述用户识别符用于识别用户，所述商品识别符用于识别购买的商品；购买信息生成部，使用所述购买指示生成购买信息，其中，所述购买信息为与商品购买有关的信息；推荐信息取得部，使用所述购买指示取得一个以上推荐信息，其中，所述一个以上推荐信息为与向所述用户进行推荐的商品有关的信息；以及输出部，将所述购买信息与所述一个以上推荐信息相对应地输出；其中，推荐装置的输出部将一个以上推荐信息输出到与输入购买指示的媒介不同的媒介，通过该推荐装置，能够有效地推荐商品。

摘要： 本公开涉及互联网技术领域，公开了一种推荐引擎定制系统、推荐方法及推荐系统、存储介质和电子设备。该推荐引擎定制系统包括：组件配置模块，用于根据推荐业务信息配置数据源组件和算法组件，数据源组件用于获取推荐请求信息对应的数据，算法组件用于对所述数据进行逻辑处理；节点配置模块，用于为数据源组件中的目标数据源组件和算法组件中的目标算法组件配置对应的目标节点；推荐逻辑生成模块，用于根据节点配置模块得到的多个目标节点生成推荐业务信息的推荐逻辑。本公开中的推荐逻辑由多个节点组成，且任意节点由数据源组件和算法组件两部分可配置化组件组成，使推荐引擎的组件可配置化，提高推荐引擎定制的灵活性，开发效率高。

摘要： 本发明公开了一种推荐系统推荐方法、设备、推荐系统及存储介质，所述方法包括：构建DeepFM推荐系统网络；根据上一次训练更新的DeepFM推荐系统网络特征域数据和当前的特征域数据，计算DeepFM推荐系统网络的每个特征域的惊喜特征因子，所述惊喜特征因子反映用户行为变动；当惊喜特征因子小于预设的替换阈值时，对惊喜特征因子对应特征域的embedding向量进行随机替换；DeepFM推荐系统网络采用替换后的embedding向量计算预测概率，推理得出用户推荐结果。所述推荐系统包括推荐系统网络构建模块、惊喜特征因子生成模块、embedding向量替换模块和推荐结果生成模块。本发明使推荐系统在保留“记忆能力”和“泛化能力”的基础上，提高了发现“惊喜”的概率。

摘要： 本发明提供一种推荐适合宠物的食品的宠物食品推荐装置及宠物食品推荐方法。提供一种宠物食品推荐装置，其具备推荐单元，该推荐单元基于宠物粪便的检查结果和所述宠物的属性信息推荐适合所述宠物的食品。

摘要： 本发明公开一种推荐方法，推荐系统及推荐系统训练方法，其推荐方法包括步骤：S1:将输入信息输入至知识图谱网络，生成知识图谱向量；S2:将知识图谱向量输入至推荐网络，得到知识图谱用户矩阵和商品矩阵；S3:根据知识图谱用户矩阵和商品矩阵返回推荐结果。本申请通过构建注意力机制的知识图谱表征模型，从而进一步增强了抽取出来特征的语义相关性，从而能够进行深度挖掘信息，使得得到的推荐结果更加丰富和准确。

摘要： 本发明公开了一种推荐模型的训练方法，包括：获取训练样本数据，其中，训练样本数据包括用户‑物品对，用户‑物品对包括用户信息、物品信息以及用户和物品的交互信息；构建基于交叉配对排序算法的推荐模型并初始化推荐模型的参数；利用推荐模型处理训练样本数据，根据无偏性的损失函数优化推荐模型的参数，获得训练完成的推荐模型。本发明还公开了一种无偏性的推荐方法、无偏性的推荐系统、电子设备及计算机程序产品。

摘要： 本发明提供了一种调度员操作推荐方法、推荐装置及推荐系统，所述方法包括：获取调度员操作动作；判断调度员操作动作的推荐模式，得到任务推荐模式；其中，所述任务推荐模式包括实时任务推荐模式和定时任务推荐模式；根据任务推荐模式，确定对应的操作推荐。本发明能够简化调度员的操作流程，提高调度员的工作效率和电网调度系统的智能化。