摘要：[目的/意义]归纳国外比较流行的图书馆图书推荐技术,比较其优劣及适用范围,以提出我国图书馆个性化推荐技术的未来设计方向。[方法/过程]通过调研,明晰国外图书馆图书推荐技术演进经历的三次变革及每次变革的特征和不足,并对国外五种推荐技术的算法逻辑、推荐程序和优劣进行全方位比较说明,对我国今后图书推荐系统的设计提出建议。[结果/结论]倡导政府要做好监督管理并提供政策保障;软件设计者要做好数据智能化处理以及保护用户隐私信息,树立科学的、人性的算法价值观;用户要提升推荐技术素养,应对当今复杂的推荐技术环境。

摘要：为了缩短室内设计推荐的时间,为用户快速推荐感兴趣的室内设计,提出基于协同过滤算法的室内设计推荐技术。通过计算室内设计分词,分析室内设计协同过滤的权重分布。基于对室内设计的内容进行关键词特征的选择和计算,确定室内设计特征提取流程,完成基于协同过滤的室内设计特征提取。根据用户的室内设计初始评分,计算出室内设计的权重,通过权重向量值预测用户室内设计的最终评分,利用室内设计推荐算法流程确定推荐算法的实现步骤,完成室内设计推荐算法的设计。最后通过室内设计协同过滤推荐模型,实现基于协同过滤算法的室内设计推荐。实验结果表明,基于协同过滤算法的推荐技术相比于传统推荐技术,室内设计的推荐时间缩短了70.3%。

摘要：网络广告作为新生代的广告媒介,与传统媒体广告相比,其优势主要表现交互性与生动性方面,但是在面临网站信息同质化的趋势,通过信息差别来细分市场,以此创造网站的竞争优势已十分困难。而网络个性化信息服务技术的发展,将是提升网络广告效果的重要手段。因此,在分析目前个性化智能推荐技术在网络广告应用研究中存在不足的基础上,提出将复杂性系统理论应用到网络广告的研究中,在理论上将突破传统理论研究范式的限制,对于研究网络用户消费行为和消费群体间的传染机制,提升网络广告的传播范围,将极具理论和现实意义。

摘要：本文研究了聚类挖掘规则在自主学习系统中的运用,系统描述了推荐技术在自主学习系统中的设计和实现,使得自主学习系统能够满足当前学生自主学习的需求。

摘要：通过对现有的微课程资源管理系统的调查研究,发现存在学习客观局限性与搜索不方便的问题。针对这些问题设计的微课程系统采用移动学习与推荐技术的思想,实现了学习方式的移动性、个性化、方便性。具有培养自主学习能力与提高学习效率的意义。

摘要：采用协同过滤算法进行创新型项目推荐时,用户个性化需求设定的缺失和项目间类似元素互相干扰所造成的项目偏差限制了算法的准确度。为此,提出了一种基于用户偏好和项目偏差的创新型项目推荐算法,分别基于K-means聚类和LDA主题建模和创建用户簇与项目簇,计算项目偏差分与用户偏好分,通过线性加权处理得到最终的预测评分。实验结果表明,所设计的算法能够依据相邻元素的差异实现合理的推荐且具有很高的准确度。

摘要：当前的CAD工具缺乏对构思活动中各种设计知识的有效建模,造成设计方案难以在后续工作中灵活、快速地复用.采用基于草图界面的自然交互方式,通过对设计过程中草图信息的分析与建模实现对设计过程的描述;在复用过程中向用户提供推荐方案,支持设计意图的自然表达和方案的灵活复用,从而降低用户认知负担.实验结果表明,这种基于草图信息分析与建模的设计方案能满足敏捷设计的需要,实现了设计方案的灵活复用.

摘要：利用文献调研和VOSviewer对国内外服装推荐系统相关文献的发文量、关键词进行可视化分析,梳理总结服装推荐系统的发展趋势。在此基础上,从感官评价、模糊技术、协同过滤、机器学习4个方面归纳整理了服装推荐系统关键技术与方法。从应用情况的角度探讨了服装推荐系统的分类,即服装产品推荐、服装搭配推荐与服装设计推荐。最后,基于服装推荐系统发展趋势、关键方法与技术和应用领域,指出未来可在传统文化元素的创新应用、个人服饰搭配与依据消费者隐性需求和显性需求的轻定制交互化设计中深入研究服装推荐系统。

摘要：在当今的信息环境里,传统的信息检索系统在提高搜索性能方面有其局限性。传统信息检索系统的高查全率和查准率充其量也只能达到查询词所能表达的程度,但构造准确的查询词通常又是用户的困难所在,而且让用户评价每一篇搜索结果也很费时。自20世纪90年代以来不断开发的推荐技术被用来帮助解决传统的信息检索系统所存在的问题。介绍文献推荐系统的基本过程和主要内容,尤其是基于内容过滤和协作过滤的两种推荐技术,并讨论现行文献推荐系统面临的问题及系统评估问题,这些问题需要在未来的系统设计中加以考虑。

摘要：二分网络投影推荐算法明显优于传统的协同过滤推荐算法。为综合考虑二分网络顶点的相关信息,以解决数据稀疏性引起的推荐不准确问题,并提高推荐结果的多样性,提出多维度推荐算法BNPM(Bipartite-Network-Projection-based multi-dimensional recommendation algorithm):综合基于项目、用户和属性投影三个维度的推荐模型,将项目的类别信息以向量的形式由项目顶点投影至用户顶点构建基于属性投影的推荐模型,并根据推荐算法的评价标准,动态自适应地确定三个维度推荐模型的权因数值产生最终推荐。实验结果表明,BNPM推荐算法可以有效提高推荐结果的准确性和个性化程度。