- 年份
- 2024(7966)
- 2023(11788)
- 2022(9789)
- 2021(9181)
- 2020(7485)
- 2019(17270)
- 2018(17362)
- 2017(33315)
- 2016(18313)
- 2015(20558)
- 2014(20737)
- 2013(20309)
- 2012(18267)
- 2011(16370)
- 2010(16088)
- 2009(14618)
- 2008(14074)
- 2007(12138)
- 2006(10623)
- 2005(9410)
- 学科
- 济(72373)
- 经济(72292)
- 管理(51530)
- 业(49144)
- 企(40906)
- 企业(40906)
- 方法(32291)
- 数学(27448)
- 数学方法(27138)
- 中国(20536)
- 农(20113)
- 业经(17551)
- 财(16719)
- 学(16489)
- 地方(15185)
- 农业(13526)
- 理论(13089)
- 制(12310)
- 贸(12096)
- 贸易(12090)
- 和(11996)
- 易(11694)
- 技术(11344)
- 环境(11008)
- 务(10849)
- 财务(10780)
- 财务管理(10762)
- 教育(10592)
- 银(10451)
- 银行(10416)
- 机构
- 大学(257350)
- 学院(254322)
- 管理(103513)
- 济(98051)
- 经济(95834)
- 理学(90187)
- 理学院(89204)
- 管理学(87648)
- 管理学院(87208)
- 研究(84863)
- 中国(61468)
- 京(55404)
- 科学(53572)
- 财(43254)
- 所(42181)
- 农(39454)
- 研究所(38649)
- 业大(38358)
- 中心(37656)
- 江(35764)
- 财经(35311)
- 范(35059)
- 北京(35030)
- 师范(34772)
- 经(32142)
- 院(30989)
- 农业(30816)
- 州(29561)
- 经济学(28408)
- 师范大学(28281)
- 基金
- 项目(177720)
- 科学(139512)
- 研究(131384)
- 基金(128347)
- 家(111283)
- 国家(110335)
- 科学基金(95059)
- 社会(81354)
- 社会科(76959)
- 社会科学(76939)
- 省(69145)
- 基金项目(68895)
- 自然(62051)
- 自然科(60588)
- 自然科学(60576)
- 教育(59794)
- 自然科学基金(59464)
- 划(58202)
- 编号(54689)
- 资助(52049)
- 成果(44201)
- 重点(39270)
- 部(38644)
- 发(37595)
- 课题(36941)
- 创(36783)
- 创新(34202)
- 项目编号(33910)
- 科研(33785)
- 教育部(33172)
- 期刊
- 济(106862)
- 经济(106862)
- 研究(76267)
- 中国(45849)
- 学报(40658)
- 管理(37932)
- 科学(37328)
- 农(36510)
- 教育(31388)
- 财(31110)
- 大学(30756)
- 学学(28476)
- 农业(25779)
- 技术(21823)
- 融(19626)
- 金融(19626)
- 业经(17862)
- 经济研究(16799)
- 图书(16576)
- 财经(16394)
- 问题(14046)
- 经(13855)
- 理论(13403)
- 科技(13140)
- 业(12973)
- 实践(12363)
- 践(12363)
- 现代(12019)
- 技术经济(11892)
- 版(11511)
共检索到364444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] 外国经济与管理
[作者]
孙鲁平 张丽君 汪平
在竞争激烈的网上零售活动中，为了提升消费者的购物体验、培养顾客忠诚，越来越多的电子商务企业开始为顾客提供个性化商品推荐。目前个性化推荐相关文献主要研究如何改进推荐算法、提升推荐质量，而关于个性化推荐与消费者行为之间关系的研究相对较少。这导致学者和电子商务从业人员过于关注推荐算法本身，而忽略了推荐对消费者和电子商务企业的影响。为了帮助学界和业界更好地认识和理解个性化推荐及其研究脉络，本文从个性化推荐的定义和分类、推荐算法和模型、个性化推荐与消费者行为之间的关系这三个方面对现有文献进行了系统的梳理。与现有的相关文献综述不同，本文侧重于探讨个性化推荐与消费者行为之间的关系，主要包括消费者对个性化推荐．．．
关键词：
个性化推荐 网上购物行为 电子商务
[期刊] 外国经济与管理
[作者]
杨柳 贾自欣
目前,个性化契约已成为雇佣关系研究领域的一个新的研究方向。个性化契约是能够满足现代组织中员工和雇主双方利益的工作安排。本文从概念、测量以及影响因素和影响结果等方面述评了个性化契约的研究现状,并对未来该领域的研究方向进行了展望。
[期刊] 情报理论与实践
[作者]
易明 邓卫华
标签系统构建的"用户—资源—标签"之间的三元关系为个性化信息推荐提供了新的研究思路,引起了部分学者的密切关注。本文依据推荐算法的不同,总结归纳了国内外基于标签的个性化信息推荐研究的相关成果,分析了现有研究的不足,展望了基于标签的个性化信息推荐研究的趋势。
关键词：
标签 个性化 信息推荐 综述
[期刊] 南开管理评论
[作者]
陈梅梅 刘利梅 施驰玮 戴伟辉
为揭示个性化推荐系统的用户决策"黑箱",本文基于决策理论和前人成果提出了研究假设,并基于情境实验的主观调查数据和行为数据,对推荐规模、用户感知和决策之间的关系以及不同决策风格用户在决策中的调节作用进行了实证研究。研究发现:推荐规模扩大,用户感知推荐的吸引力、感知选择难度明显提高,同时对感兴趣商品的回忆效果和搜索深度均显著下降,决策时间显著增加;感知吸引力、感知选择难度会影响用户的选择意向和决策努力,进而对决策质量产生影响;选择意向在用户感知与决策努力之间起部分中介作用;用户决策风格在感知吸引力与决策努力之间起调节作用。
关键词：
推荐规模 用户感知 决策风格 用户决策
[期刊] 中国软科学
[作者]
朱岩 林泽楠
随着电子商务的不断发展,如何更好地了解用户需求以提供更令人满意的个性化服务变成了一个十分关键的问题,也就是电子商务推荐系统产生的动因。文章首先介绍了电子商务个性化推荐系统的概念和作用,然后对当前最主要推荐策略的原理、应用进行了描述,随后对这些推荐策略的优劣势进行了深入的分析、评价。接着评述了推荐算法评价的相关难题和研究,再就是对电子商务推荐系统的相关因子研究进行了介绍。在最后部分,文章对将来个性化推荐的研究方向进行了探讨,希望通过这样的探索能进一步推动个性化推荐的相关研究。
[期刊] 情报学报
[作者]
张晓娟 刘怡均 刘杰 陈卓
个性化学术论文推荐研究旨在为学术用户提供满足其个性化需求的论文列表，有助于解决大数据时代下学术用户精准获取论文困难的问题。该研究一直是推荐系统领域探讨的热点之一，本文对这一研究进行了系统梳理及分析，旨在厘清相关研究的发展脉络与现状，明确未来研究方向，推动相关研究的进一步发展。以国内外期刊、会议中发表的有关个性化学术论文推荐的相关文献作为研究对象，通过归纳总结方法，梳理了个性化学术论文推荐研究中的主要技术，即基于协同过滤的方法、基于内容的方法以及基于图的方法，然后总结了该研究的公开数据集、评价方法和评价指标。研究结果发现，已有工作缺乏对研究者兴趣的全方位建模以及用户隐私保密的相关研究，且在可解释的推荐、面向用户惊喜的推荐以及推荐结果的评价等方面存在不足。最后，基于解决已有研究中存在的不足结合当前推荐系统领域的整体发展趋势，对个性化学术论文推荐的发展方向进行了展望。
关键词：
学术论文 个性化推荐 用户偏好 学术用户
[期刊] 图书馆杂志
[作者]
王茹
本文利用《中国科技期刊数据库》和《中国学术期刊网》等检索工具,对我国有关图书馆个性化信息服务的研究论文进行了定量和定性方面的分析,并提出了今后研究方向。
关键词：
个性化信息服务 图书馆
[期刊] 图书馆杂志
[作者]
杨佳
大数据时代,信息技术和互联网的发展诱发了信息过载问题。本文针对这一背景以及公共图书馆主动式图书推荐服务中存在的对用户信息需求分析与挖掘不足的情况,构建图书馆个性化新书推荐系统,主要以读者借阅行为为研究对象,通过引入结合基于内容的系统过滤算法以及基于用户人口学特征的推荐算法,设计了个性化新书推荐系统,提高新书的知晓率和借阅率,并通过实验证明该系统的有效性。
关键词：
协同过滤 聚类分析 数据挖掘 信息服务
[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] 图书情报工作
[作者]
胡慕海 蔡淑琴
介绍了耦合情境的个性化推荐问题的形式化定义,评述了松耦合情境的两种主流个性化推荐方法的特点和应用研究,对推荐方法进行了思路辨析和扩展,最后针对松耦合情景的个性化推荐,提炼出一般性的问题求解模式。
关键词：
情景 个性化 推荐
[期刊] 情报理论与实践
[作者]
艾斯特
文章分析推荐系统的国内外研究现状,总结传统推荐系统的不足,据此提出一个基于SOA的混合个性化推荐平台改进方案。在平台的基础上构建基于SOA的混合推荐模型,对影响模型内推荐策略选择的内部因素和外部情境因素进行了详细分析,并指出该平台的优势和实施时应注意的问题。
关键词：
推荐系统 情境 信息推荐服务 模型
[期刊] 情报理论与实践
[作者]
黎雪微 应时 洪伟
[目的/意义]传统推荐方法仅考虑用户过去的兴趣偏好,忽略了用户兴趣偏好的漂移性问题,使得推荐结果过于专门化,不能给用户提供新颖的推荐项目。[方法/过程]文章提出了一种基于语义关联和信息距离的个性化推荐方法,该方法将项目的信息量融入到传统的语义关联相似度中,从而实现了用户兴趣偏好的有益迁移,使推荐得到有效扩展,改善了推荐专门化问题。[结果/结论]通过设计实验验证了信息距离能够对推荐结果产生较大影响,提出的方法可以给用户推荐其感兴趣并且更有价值的项目。随着新项目的不断加入,项目的信息量会动态变化,系统会不断调整推荐列表以适应用户需求。[局限]不足之处在于模拟仿真实验下样本量不足引起的可信度问题,后续的研究将利用爬虫工具收集大数据进行算法测试,验证方法在大样本环境下的有效性。
[期刊] 情报科学
[作者]
熊回香 李跃艳
【目的/意义】面对网络时代数据的海量性和无序性,为用户推荐个性化资源有利于增强用户间合作、提高知识的共享速度,对新知识的发现具有深远意义。【方法/过程】基于具有相同兴趣用户的聚合优于单纯的信息聚合,构建基于社会化标注系统的个性化推荐模型。通过引入社会网络中用户使用标签的频次来选择与用户关联显著的标签,并通过加权派系发现和聚合"小众"凝聚组群和相似标签集,进而为用户推荐优质资源,使其真正契合用户的个性化需求偏好。【结果/结论】结果表明模型能够有效实现信息的个性化推荐,消除单独聚类带来的粗糙数据集,并通过抓取
[期刊] 图书馆学研究
[作者]
唐晓波 周咏
网络的普及和社会化媒体的兴起为图书推荐提供了崭新的发展平台。如何改进推荐算法,使图书推荐结果更符合读者的需求,已成为相关读书网站及各领域学者关注和研究的重点。文章通过构建图书基因组来描述图书各个方面的特征,分析用户对图书基因的偏好;根据用户标注信息建立用户兴趣集,构建用户"相邻"关系;最后,提出基于图书基因组的个性化图书推荐算法。通过实验证实,该算法能有效提高推荐结果的准确度。
[期刊] 管理科学
[作者]
姚凯 涂平 陈宇新 苏萌
个性化推荐系统已成为各大电商向消费者提供个性化购物体验的重要工具之一,通过推荐系统,商家可以提高收入和消费者满意度。但传统推荐系统通常只利用消费者在当前网站的历史信息推荐个性化商品,无法获得消费者在其他网站的数据来优化推荐效果。大数据时代,一些第三方公司抓住机遇,利用不同公司的多源大数据提供更好的个性化推荐服务。然而,这种新型的推荐系统对消费者购物行为的影响存在极大的未知性。探究基于多源大数据的个性化推荐系统对消费者购物行为的影响。为了建立推荐系统与消费者购物行为之间的因果关系,采用实地实验有效地避免传统研究方法存在的内生性问题,并具有较好的外部有效性。一方面,基于内部数据和外部数据构造解释性变量,探究内部数据特征和外部数据特征与推荐效果之间的关系;另一方面,通过检验消费者特征与内外部数据的推荐效果间的交互效应,进一步分析外部数据和内部数据的推荐效果如何随消费者的特征变化,帮助企业更好地利用多源大数据提升推荐效果。研究结果表明,基于内部数据的推荐系统能够显著提升消费者点击个性化推荐商品的概率,可以降低消费者决策时间,激励消费者浏览更多的商品。外部数据的推荐效果不仅与外部公司网站的用户数量相关,也会受到外部网站与当前网站的关联程度的影响。消费者特征对基于内部数据和外部数据的推荐效果起调节作用,如果消费者是当前网站的老用户,利用该消费者在当前网站的内部数据提供个性化推荐的效果更佳。通过分析基于多源大数据的推荐效果对消费者购物行为的影响,进一步完善个性化推荐领域的理论框架。研究结果对如何利用多源数据构建更加有效的推荐系统具有重要指导价值,并为不同网站之间的数据共享机制提供重要的管理建议。
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
