摘要：伴随着互联网规模的不断扩展,信息过载问题越来越突出。信息推荐系统被视为解决信息过载问题的最有效方法。然而目前的方法大多数仅考虑用户独立的反馈,而忽略用户的社会属性对推荐的重要作用,这对信息推荐系统的性能会造成巨大的影响。为此,本文提出了基于朋友关系预测的信息推荐算法,将用户的社会关系预测引入信息推荐过程中,分别基于用户的拓扑信息及历史交互信息建立用户社会关系的存在性判定及关系类型判定,并利用线性回归分析方法和逻辑回归分析方法实现了基本特征的融合。最后,通过在Epinions和Slashdot真实数据集上的实验证明,本方法能够有效提高用户社会关系预测的准确性。

摘要：[目的/意义]旨在提高在线健康社区信息服务水平,满足患者用户不同场景下的深层次信息需求。[研究设计/方法]融入信息推荐服务的场景要素,通过分析在线健康社区用户信息需求,确定场景划分标准继而划分推荐场景,从而识别不同场景要素标签,构建用户画像概念模型,并采用RFM模型对采集到的在线健康社区用户数据进行精细化筛选运营,借助形式概念分析的方法实现在线健康社区用户画像模型构建,并以“甜蜜家园”为数据源实现糖尿病在线健康社区用户画像构建和标签聚类。[结论/发现]通过深度挖掘聚类,发现在线健康社区“观望型”“宣传型”“高产型”和“经验型”四类用户群体及其健康信息需求。[创新/价值]以信息推荐服务模式为导向,聚焦于用户画像构建的整体流程,此研究视角有助于在线健康社区优化服务水平,提升用户满意度。

摘要：[研究目的]构建依托知识图谱的智慧图书馆推荐系统架构体系,以协同创新推荐模式、序化重组知识资源,进而满足智慧图书馆泛在互联、动态感知的服务要求。[研究方法]该文遵循系统设计理论、模型构建方法,从体系结构、功能模块及运行机理三方面构建了知识图谱加持的智慧图书馆信息推荐架构体系。[研究结论]知识图谱加持的智慧图书馆信息推荐体系结构分为智慧服务层、业务平台层、基础设施层;知识图谱加持的智慧图书馆信息推荐功能模块主要包括读者兴趣建模、推荐处理、知识发现、知识计算、知识图谱构建等模块;知识图谱加持的智慧图书馆信息推荐运行机理根据图书馆应用场景、业务逻辑,描述面向读者的数据驱动型、用户驱动型推荐服务路径及过程,并面向图书馆馆员、领域专家分别设计服务职责及范围。

摘要：传统的电子商务信息推荐针对所有的客户采取同一种推荐方法,没有充分挖掘用户价值。论文将电子商务客户分层为高端客户和普通客户,提出了基于客户分层的电子商务智能信息推荐策略。在此基础上,设计了电子商务智能信息推荐系统(IIRSE)。实验结果表明,提出的推荐策略和设计的推荐系统是有效的。

摘要：针对现有基于内容的信息推荐技术的不足,提出了一种基于元数据的改进方法,并从情景分析出发,给出了一个扩展元数据的概念模型。

摘要：[目的/意义]构建海量分布异构环境下基于知识图谱的信息推荐架构体系。[方法/过程]文章分析了通用信息推荐架构体系及其所面临挑战,阐述了基于知识图谱的信息推荐架构体系构建基础,构建了基于知识图谱的信息推荐体系结构、功能模块及运行机理。[结果/结论]通用信息推荐架构体系面临战略规划需明晰、业务协同需加强、规划标准需规范、基础设施需升级等挑战;基于知识图谱的信息推荐体系结构分用户交互层、推荐应用层、业务平台层、推荐资源层及基础设施层;基于知识图谱的信息推荐功能模块主要包括信息推荐门户、用户兴趣建模、知识图谱构建、推荐处理及信息推荐系统数据库模块;基于知识图谱的信息推荐运行机理面向普通用户设计推荐流程以提供无差异、针对性智能推荐服务,面向系统管理员、领域专家、服务提供商分别设计服务职责、范围以辅助提升推荐质量。

摘要：推荐系统能够有效解决用户面临的信息过载问题。移动环境下,用户对信息的需求随着情境变化而不断变化,而且不同情境下,具有共同兴趣的用户形成了不同的群组。因此,文章提出了基于用户共同兴趣的情境感知信息推荐方法。首先设计了基于散列的共同兴趣挖掘算法获取用户群组的共同兴趣特征;然后根据共同兴趣关联,计算用户和项目的关联度,并通过共同兴趣协同预测用户对项目的偏爱程度;最后综合以上两个因素进行情境感知的信息推荐。实验表明,提出的情境感知信息推荐方法在推荐质量和效率上均优于现有方法。

摘要：传统的转化平台一直存在数据转化耗时长、转化效率低的问题,针对此问题,提出并设计基于信息推荐的创新成果转化平台。以给出的整体框架为基础,通过数据结构规划,联通结构设计,源数据的处理,在不同信息流下传统与基于信息推荐两种转化平台进行对比实验,转化效率与稳定性实验,实现组织设计与创新成果转化。实验结果表明,采用改进的转化平台,其转化效率,平台稳定性以及耗时长短均要优于传统转化平台,具有一定的实用性。

摘要：【目的/意义】在现有的信息推荐方法不足的前提下,深入分析知识图谱在健康医疗社区信息推荐中的优势以及健康信息推荐中的不同场景,旨在为不同类型用户提供场景化信息推荐方案。【方法/过程】依据场景划分,搭建基于语义的同主题推荐模型、基于病情画像与用户兴趣的个性化推荐模型以及基于情境感知的信息推荐模型,并对其中具体模型和算法进行了设计与实现。【结果/结论】构建不同场景下的信息推荐模型,推理并输出各类医疗知识和信息,能够辅助渴望获得更为精准的在线健康信息的患者。【创新/局限】提出了融合知识图谱和病情画像的在线医疗社区信息推荐,构建了融合知识图谱和病情画像的在线医疗社区信息推荐方案。仍需进一步强化知识图谱与用户画像的融合应用。

摘要：传统应用于图书管理系统的Apriori算法因数据库扫描次数过多,以及候选项集数量过大导致系统运行缓慢,为解决此问题,设计基于改进Apriori数据挖掘算法的信息推荐图书管理系统。系统结合C/S架构与B/S架构,分别向图书馆工作人员和借阅者开放图书信息。系统功能模块中数据预处理子模块从读者借阅数据库中提取借阅者以及图书相关信息数据,对数据进行清洗、转换以及集成处理后,关联规则挖掘子模块利用改进Apriori算法依据处理后的数据,挖掘出支持度大于最小支持度阈值以及置信度大于最小置信度阈值的强关联规则,生成关联规则数据库。个性化信息推荐子模块依据关联规则数据库中的借阅者同借阅者所选图书进行关联匹配,向借阅者推送与所读图书相关联图书信息,实现图书信息的个性化推荐。实验结果表明,该系统可有效推荐图书关联信息,且在50个客户端同时运行的情况下CPU占有率仅为6.58%,运行性能佳。