摘要：设计并实现基于Lambda架构的医学图书推荐系统,阐述系统架构与关键技术,采用AIS算法建立离线计算推荐模型,结合读者在线行为进行图书实时推荐。实践证明基于Lambda架构的推荐系统准确率较高。

摘要：因子分解机(Factorization Machine,FM)是利用矩阵分解思路针对推荐系统中数据稀疏情况设计的机器学习算法.传统的FM模型参数是通过梯度下降方法进行优化求解,但针对数据集训练样本较少的情况,梯度下降方法不能保证参数收敛到全局最优.粒子群算法(Particle Swarm Optimization,PSO)是一种快速启发式算法,具有全局搜索的特性.为提高FM模型的表现能力,首先基于PSO算法确定全局最优位置,然后利用梯度下降优化FM参数,本文提出了PSO-FM算法.在数据集Diabetes进行实验对比,结果表明,改进后的基于粒子群的因子分解机算法PSO-FM在模型训练速度和预测准确度上都优于传统的因子分解机FM算法.

摘要：本文分析了传统案例教学的不足,设计了基于网络环境下的案例教学平台,对其应用步骤及注意事项进行了探讨,并采用问卷调查证实了实际教学效果.