2017-12-12
近些年，基于个性化推荐体系的移动资讯平台发展迅速。本论文从平台和系统的角度，介绍并分析了个性化推荐体系的架构和原理。重点介绍了内容池的构建过程和构建策略，用户画像的数据维度和应用策略，以及基于协同过滤算法的精准推荐策略和推荐原理。通过对移动资讯平台的个性化推荐体系的研究，我们可以更好地将个性化推荐系统应用于不同场景中，从而为精准推荐和精准营销提供策略支持和应用参考。
School of Economics and Management, Beijing University of Posts and Telecommunications, Beijing 100876,School of Economics and Management, Beijing University of Posts and Telecommunications, Beijing 100876
#管理学#
2020-03-11
互联网加速发展的同时，信息也变基于django的保险推荐系统得庞杂，人们在进行网上检索时，难以获得需要的信息，推荐系统的出现使这个问题得到有效缓解。保险作为传统行业，主要依靠员工个人进行销售工作。因此，保险推荐系统对于员工在日常销售工作中，有着非常重要的意义。本文基于Django框架，搭建了B/S模式的保险推荐系统，该系统实现了员工客户信息整合，客户信息查询等功能。同时，为了解决员工难以发现潜在客户问题，使用python对推荐算法进行了实现，从而实现了对客户的保险推荐功能。保险推荐系统有有利于解决保险公司员工难以发现"潜在客户"的问题，提高了员工的销售成功率，提高了工作的效率。
College of Automation,Beijing University of Posts and Telecommunications,Beijing,100876,College of Automation,Beijing University of Posts and Telecommunications,Beijing,100876
#计算机科学技术#
2012-04-09
本文在对传统推荐算法进行比较研究的基础上，提出了一种基于云计算的推荐系统（CCBRS），该系统能根据不同的推荐需求采用不同的推荐策略。结合CCBRS系统对单机环境、伪分布式平台以及分布式平台下多种推荐算法进行了测试和分析，为不同场景下推荐策略的选取提供了依据。本文研究工作对推荐系统的研究以及云计算技术的应用提供了有益的参考。
东南大学软件学院(苏州), 江苏苏州, 215123,东南大学计算机网络和信息集成教育部重点实验室, 江苏南京, 210096,东南大学软件学院(苏州), 江苏苏州, 215123
#计算机科学技术#
本文收录在中国科技论文在线精品论文，2012，5（20）：1982-1988.
2011-12-28
随着SOA的广泛应用，Internet上出现了大量的Web服务，如何将这些独立的Web服务组合成为具有复杂功能的业务成为研究的热点。本文给出了一种计算Web服务之间语义相关度的方法，并基于该算法提出了一种基于Web服务语义相关度的服务推荐系统，通过分析Web服务功能描述的语义，结合传统的协同过滤算法为用户提供有效的推荐，具有较高的推荐准确度和推荐质量，有助于提高SOA架构下的开发效率。
北京邮电大学网络与交换技术国家重点实验室，北京，100876,北京邮电大学网络与交换技术国家重点实验室，北京，100876
#计算机科学技术#
2013-12-23
基于协同过滤的推荐系统根据用户的行为信息，过滤出用户可能会感兴趣的信息，并推荐给用户。但是由于推荐系统自身的开放新以及对用户概貌信息的敏感性，推荐系统很容易被恶意攻击者攻击。恶意攻击者通过向系统里面注入攻击用户概貌信息就可以影响推荐系统的正常推荐工作和推荐质量。因此，为了保证推荐系统的安全，需要找出合适有效的方法，检测出推荐系统中的概貌攻击信息。本文对推荐系统相关知识以及攻击模型进行学习，并完成了基于项目识别的用户概貌攻击检测算法的研究与实现。最终的实验结果表明，基于目标项目识别的用户概貌攻击检测算法对于推攻击的检测效果很好，对于核攻击的检测效果不是很理想。
北京邮电大学网络技术研究院，北京 100876,北京邮电大学网络技术研究院，北京 100876,北京邮电大学网络技术研究院，北京 100876
#计算机科学技术#
2017-01-31
近年来，随着乡村休闲旅游的蓬勃发展，互联网上有关乡村休闲旅游产品的信息数量也在迅速增长。面对大量的旅游产品信息，游客一时无法从中获取对自己有用的部分，这降低了信息的使用效率。推荐系统是解决当前乡村休闲旅游领域所面临的信息超载问题的有力方法，具有良好的发展和应用前景；然而，相比传统的旅游推荐系统，乡村休闲旅游推荐系统需要考虑更多的因素，而且设计和应用更为复杂。面对旅游推荐系统的设计方面存在的挑战，本文提出了一种基于策略的组合推荐算法，针对乡村休闲旅游推荐这一应用领域，综合考虑多种推荐策略，根据游客对不同推荐策略结果的偏好，对推荐结果进行组合，实现推荐结果效用的最大化。针对本文提出的组合推荐算法的实验结果表明，该算法在推荐结果的准确度、推荐的运算速度以及推荐结果的效用方面，都有着良好的表现。?????
北京邮电大学信息与通信工程学院，北京 100876,北京邮电大学信息与通信工程学院，北京 100876
#计算机科学技术#
2009-05-05
本文通过模糊决策树产生模糊规则，然后利用模糊推理系统进行个性化推荐，最后，结合本文提出的推荐系统模型，设计了一个模糊推荐系统的软件构架，实现了系统原型，通过对系统进行推荐实验验证了基于模糊的个性化推荐系统的有效性和推荐结果的准确性。
河海大学计算机及信息工程学院
#计算机科学技术#
2018-01-26
时至今日在大数据环境下，推荐系统扮演者越来越重要的角色。如何从琳琅满目的商品中发掘出用户喜欢的商品成为当下推荐场景中十分重要的任务。本文提出了一种基于用户评论的混合过滤饿排序学习推荐系统。即将用户对电影的评论信息作为特征加入到推荐算法中。并且同时采用基于内容和基于协同过滤的推荐策略，同时提出了一种热度计算的方法。同时将排序学习算法BPR融入推荐算法中，使得最终的推荐列表表现更好。电影推荐系统需要高实时性和有效性。数据库层面电影的属性和相关数据的存储，用户属性和行为数据的存储。考虑到该系统为在线实时系统，所以整个系统的架构分为在线和离线计算两个部分。学习模型的离线计算，有利于系统效率的提升。模型处理部分主要根据推荐方法对数据进行处理得到模型。
Computer Science and Technology School,Beijing University of Posts and Telecommunications, Beijing, 100876
#计算机科学技术#
2012-11-06
随着计算机技术的发展和互联网的快速普及，如何快速的从海量数据中获取用户想要的信息逐步成为用户关注的焦点之一。个性化推荐系统应运而生，通过获取用户在互联网上的日志信息，分析用户的喜爱偏好，从而为用户推荐其可能感兴趣的信息。然而，随着互联网的发展，互联网上充斥的用户日志信息越来越多，个性化推荐系统面临着存储空间的可扩展性与分析计算的效率等瓶颈问题，单纯依靠提升计算机存储空间和计算性能显然不能从根本上解决问题。本文针对该问题，以基于Hadoop分布式文件存储HDFS和分布式计算框架Map/Reduce的工具为基础，针对本文的应用场景对Mahout实现的推荐算法做了优化，实现了一种基于分布式计算框架Hadoop之上的个性化推荐系统架构，并通过实验证明该方案解决了数据存储的可扩展性和计算性能方面的问题，一定程度上提高了推荐的准确率。
高等学校博士学科点专项科研基金（200800131019）
北京邮电大学网络与交换技术国家重点实验室，北京 100876,北京邮电大学 网络与交换技术国家重点实验室,北京邮电大学 网络与交换技术国家重点实验室
#计算机科学技术#
2015-04-08
利用就业信息数据，提出一种将用户对职位的历史操作信息转化为用户兴趣度的评分模型。该模型把求职用户的行为分为3种不同的类型：点击、收藏、申请，并将用户行为发生的时间融入到用户相似性计算中。对于时间上下文的使用，采用一种时间衰减策略。在该数据模型的基础上，实现一个基于用户的协同过滤的推荐系统，并验证模型的有效性。
国家科技支撑计划课题（2013BAH10F01）
北京邮电大学计算机学院，北京 100876,北京邮电大学计算机学院，北京 100876,北京邮电大学计算机学院，北京 100876
#计算机科学技术#
本文收录在中国科技论文在线精品论文，2015，8（16）：1709-1714.
提示
