- 年份
- 2024(5020)
- 2023(7078)
- 2022(5583)
- 2021(5161)
- 2020(3916)
- 2019(9006)
- 2018(8453)
- 2017(15590)
- 2016(7924)
- 2015(8369)
- 2014(7933)
- 2013(7588)
- 2012(6665)
- 2011(5928)
- 2010(5717)
- 2009(5242)
- 2008(4936)
- 2007(4115)
- 2006(3565)
- 2005(3170)
- 学科
- 济(28789)
- 经济(28761)
- 管理(20818)
- 业(18493)
- 企(15602)
- 企业(15602)
- 中国(8984)
- 方法(8737)
- 农(8709)
- 业经(7875)
- 地方(7420)
- 数学(6916)
- 数学方法(6717)
- 财(6583)
- 学(5963)
- 农业(5913)
- 理论(5910)
- 贸(5886)
- 贸易(5881)
- 易(5709)
- 制(5348)
- 教学(4936)
- 教育(4749)
- 技术(4656)
- 关系(4618)
- 融(4588)
- 金融(4586)
- 环境(4545)
- 银(4493)
- 银行(4478)
- 机构
- 学院(102172)
- 大学(102125)
- 济(39439)
- 经济(38639)
- 管理(37726)
- 研究(35321)
- 理学(32849)
- 理学院(32457)
- 管理学(31764)
- 管理学院(31563)
- 中国(25632)
- 科学(21133)
- 京(20963)
- 财(18758)
- 所(16686)
- 中心(16126)
- 范(15928)
- 师范(15796)
- 江(15240)
- 研究所(15157)
- 农(14910)
- 财经(14903)
- 业大(14201)
- 院(13804)
- 经(13649)
- 北京(13105)
- 师范大学(12923)
- 州(12414)
- 经济学(12250)
- 技术(11948)
- 基金
- 项目(74021)
- 科学(59156)
- 研究(57782)
- 基金(52900)
- 家(46100)
- 国家(45697)
- 科学基金(39309)
- 社会(37115)
- 社会科(35142)
- 社会科学(35134)
- 省(29548)
- 基金项目(27452)
- 教育(27249)
- 划(25175)
- 编号(23673)
- 自然(23576)
- 自然科(23087)
- 自然科学(23082)
- 自然科学基金(22640)
- 资助(19726)
- 成果(19665)
- 课题(17361)
- 重点(17303)
- 发(17130)
- 创(16484)
- 部(15969)
- 国家社会(15594)
- 创新(15261)
- 制(15191)
- 项目编号(14874)
共检索到154407条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 中国远程教育
[作者]
赵学孔 徐晓东 龙世荣
以用户需求为中心的个性化学习环境构建是e-Learning未来的发展趋势,也是当前远程教育及智慧教育领域研究的热点。针对个性化e-Learning学习环境的"适应性"问题,从用户认知水平维度切入,利用邻近区用户群(邻居用户)相似性规则提出了一种Web环境下个性化学习路径生成的协同推荐机制,并通过架构设计、系统建模、路径提取及算法设计四个方面重点剖析了自适应学习系统(Adaptive Learning System,ALS)协同推荐机制的技术解决方案,通过系列实验设计、实施以及数据分析对其有效性进行了验证。
[期刊] 图书馆
[作者]
吴志强 王义翠 马慧娟
基于用户-资源协同驱动的个性化信息推荐服务是一种在分析预测用户个体信息需求基础上向用户主动提供其可能需要但又无法获取的信息资源的服务方式。本文在阐述协同信息推荐服务系统基础上,对协同信息推荐应用于数字图书馆个性化服务的研究现状进行分析,总结出协同信息推荐在数字图书馆个性化服务中的重要作用,并提出了基于用户-资源协同驱动的数字图书馆个性化信息推荐服务模型。
关键词：
协同信息推荐 个性化信息服务 数字图书馆
[期刊] 图书情报工作
[作者]
苏玉召 赵妍 许德山
Web个性化研究的关键技术是推荐系统,其作用是根据用户模型推荐个性化内容,当前推荐技术的研究主要包括四种模式:基于规则过滤、基于内容过滤、基于协作过滤和混合过滤模式。前三种工作模式采用的是传统技术和方法,根据当前推荐系统研究的重点和热点,提出一种Web个性化应用的智能过滤推荐模式。智能过滤推荐模式组合采用以上三种工作模式的优点、避免前三种单一模式的缺点。该方法的突出特点是根据离线学习模型提取的用户偏好特征,实现在线智能推荐。
[期刊] 中国图书馆学报
[作者]
胡昌平 孙高岭
传统的网络协同推荐服务对用户行为数据进行统一挖掘处理,但在处理分散数据时,难以开展协同服务。由此,推荐服务系统的可扩展问题日益凸显。实际上,用户信息行为与需求层次结构的对应关系已为构建可扩展的个性化协同推荐服务系统提供了一种新思路。可扩展的个性化协同推荐服务模型从需求层出发,通过行为层、过滤层、推荐层、交互层和资源库的扩展,最终实现个性化协同推荐系统的可扩展性。
[期刊] 中国远程教育
[作者]
孙歆 王永固 邱飞岳
在线学习资源建设已经成为了当今数字化学习研究的热点问题。本文以学习过程中学习者学习行为和在线学习资源的特点为基础,结合协同过滤算法,设计了基于协同过滤技术的在线学习资源个性化推荐系统模型。实践证明,该模型可以更好地为学习者创造数字化学习环境,提高学习者的自主学习效率。
关键词：
协同过滤 个性化推荐 学习行为 自主学习
[期刊] 商业经济研究
[作者]
方闽江
近年来，移动电子商务迎来了强劲的发展势头，给用户带来了更为便捷化、多样化的购物体验，线上交易已经成为人们消费的主要模式。与此同时，随着移动电子商务规模逐年扩大，电商平台与商家数量也在急剧增长，如何找到满足用户兴趣的移动电子商务个性化推荐路径至关重要。因此，本文立足于用户兴趣视角，在论述移动电子商务个性化推荐现状与基本理论的基础上，引入基于移动电商用户兴趣的三维空间模型，探讨在该模型基础上实现移动电子商务个性化推荐的路径。
[期刊] 情报科学
[作者]
申彦 宋新平 聂鹏
【目的/意义】针对主流APPS推荐系统一般仅能推荐同类别APPS的现状,提出了一种基于协同过滤的APPS跨类别推荐算法(APPSR)。【方法/过程】该算法先对APPS进行聚类,考虑APPS簇间相似度,对未评分APPS进行评分预测,构建无缺失的用户-APPS评分矩阵。在传统协同过滤技术的基础之上,引入了时间权重函数与热门APPS惩罚机制,体现了用户兴趣的时效性,消除了热门APPS对推荐结果的影响。根据不同用户对多种APPS的评分,预测用户对其它类别APPS的喜好,为用户提供跨类别的APPS个性化推荐。【结果
关键词：
协同过滤 智能应用推荐 个性化推荐
[期刊] 图书馆学研究
[作者]
田磊 任国恒 王伟
图书借阅是图书馆最基本的服务,根据用户的借阅爱好为其自动地推荐相关图书是解决图书借阅效率与可靠性等问题的关键。为了提高图书推荐的准确率,本文利用改进的K-mean算法对借阅用户的类别与偏好性进行了系统的分析,然后通过构造用户借阅偏好性矩阵与用户相似性度量,采用协同过滤算法实现了图书借阅的个性化推荐。实验结果表明,本文算法可根据用户的借阅爱好准确地为其推荐图书,整体上具有较高的性能。
关键词：
图书推荐 协同过滤 聚类分析 阅读偏好
[期刊] 华中师范大学学报(自然科学版)
[作者]
孙传明 周炎 涂燕
针对传统协同过滤算法存在的数据稀疏性和推荐范围问题，提出一种混合协同过滤推荐方法.该方法将两种传统算法结合，并综合考虑了项目标签属性等信息.首先利用基于项目的协同过滤算法生成预测评分，并替换原始用户-项目评分矩阵中的零值.其次利用基于用户的协同过滤算法计算填充后矩阵的用户相似度，以及预测评分并产生最终推荐.最后基于MovieLens数据集实验证明，本方法能够有效提高推荐精度，扩大推荐范围.
关键词：
协同过滤 个性化推荐 项目属性 相似度
[期刊] 图书情报工作
[作者]
曹高辉 毛进
针对B2C电子商务系统中"信息过载"与"信息缺失"共存的问题,在综合分析电子商务个性化推荐技术和协同标注基础上,提出采用协同标注方法构建推荐系统为顾客提供个性化的商品信息,描述该系统的总体结构,并对系统中的概念生成器、查询分析器、商品标签地图等功能模块进行详细论述。
关键词：
推荐系统 协同标注系统 概念空间
[期刊] 情报科学
[作者]
李宇航 夏绍模 程华亮
【目的/意义】在大数据环境下,借鉴迁移学习概念,对移动图书馆收集的用户评分数据进行分析解决个性化推荐问题。【方法/过程】构建跨域协同过滤模型,共享跨域特征信息,重构评分矩阵实现个性化推荐。【结果/结论】案例结果表明跨域协同过滤模型能够解决移动图书馆推荐系统初期数据量较少的冷启动问题,并具有良好的应用性。同时实现了对用户多个领域的兴趣挖掘,增加了用户粘度。
关键词：
迁移学习 跨域协同 用户粘度
[期刊] 中国远程教育
[作者]
王剑 陈涛
作为一种利用互联网技术实现快速学习的新方式，ｅ－Ｌｅａｒｎｉｎｇ成为帮助学习者实现终身学习的一种重要方式。推荐系统和协作学习作为ｅ－Ｌｅａｒｎｉｎｇ的两种重要形式，将二者结合起来进行考虑具有重要的现实意义。本文将推荐系统和协作学习相结合，针对学习者的个性化特征，考虑学习者不同的学习能力，以更好地配合学习者之间的协作学习。实验结果表明，所提出的系统可以实现个性化的课程推荐，能够满足学习者的个性化需求，增强协作学习能力；协作学习在加深学习效果方面要比个人单独学习更有优势。本研究的意义在于：一是在推荐系统和协作学习混合的环境中考虑了学习者能力这个因素，二是设计出了协作学习的评估和反馈体系。
[期刊] 物流技术
[作者]
金春华
如何针对不同客户的偏好来创建高质量的服务已经成为目前旅游管理者所关注的问题。为了能够满足这些需要,提出了一种基于RFID技术的路径推荐算法。该算法基于用户所提交的期望访问地点,来推荐相关的路径。对于访问地点以及时间戳分析的数据是基于RFID技术获得的,并且存储在路径数据库中。首先提出RFID概率事件兴趣点序列的发现算法;其次,根据用户提交的路径推荐要求,基于前面得出的兴趣点序列,提出路径推荐算法;最后,通过模拟实验证明算法的有效性。
关键词：
推荐算法 RFID 兴趣点 路径推荐
[期刊] 统计与决策
[作者]
马鑫 段刚龙
协同过滤作为国内外学者普遍关注的推荐算法之一，受评分失真、数据稀疏等问题影响，算法推荐效果不尽如人意。为解决上述问题，文章提出了一种改进的聚类协同过滤推荐算法。首先，该算法利用无监督情感挖掘技术将评论情感映射为一个固定区间中的值，通过加权修正用户评分偏差；然后，构建修正后用户-产品评分矩阵的数据场，利用启发式寻优算法计算最佳聚类数和最优初始聚类中心，进而对用户进行划分聚类，结合最近邻用户相似性与评分产生推荐结果；最后，基于三个自建真实数据集对所提算法性能和有效性进行全面评估。实验结果表明，改进算法在精度Precision、召回率Recall和F1-Score评价指标上的表现均优于其他算法，能够有效应对数据稀疏的问题，提升推荐系统的推荐效果。
[期刊] 国际商务(对外经济贸易大学学报)
[作者]
金丹 张娇娇 李依玲 崔立新
互联网上信息资源的爆炸式增长,给用户带来了信息过载问题,不明确的用户需求更是对搜索引擎提出了更大的挑战。个性化推荐系统实现了用户和信息资源的紧密连接。目前,协同过滤算法是个性化推荐系统中使用最广泛的算法。然而随着用户数量和信息资源的不断骤增,数据不可靠、稀疏性以及及时性等问题严重影响着推荐系统的推荐质量。因此,基于现有协同过滤技术在时间和空间的维度上对传统算法从三方面进行了改进:在空间上构造情感得分矩阵并结合评分矩阵以缓解用户主观评分不可靠问题;在时间上引入时间权重因子模拟用户的兴趣迁移以缓解数据稀疏性和及时性问题;结合用户兴趣分布相似度和评分相似度来进一步保证推荐质量。同时,以电影推荐系统为例验证改进协同过滤算法的推荐质量,结果表明,相较于传统算法,改进的算法其推荐效果更优。
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
