网络环境下图书馆个性化信息服务研究

通过阐述图书馆个性化信息服务的基础理论知识,论述了网络环境下图书馆个性化信息服务方式,以及信息服务中存在的问题,并提出完善图书馆个性化信息服务实践应用的具体措施。     

RSS技术在数字图书馆新书推荐中的应用与实现

介绍了RSS的概念、特点和目前国内高校图书馆网站应用RSS技术的大概情况,以浙江工业大学图书馆为例,阐述了基于Oracle数据库和JSP语言的RSS新书推荐程序的原理和实现方法。     

数据挖掘在高校图书馆个性化信息服务中的应用

在介绍图书馆个性化信息服务概念、特点的基础上阐述了数据挖掘的相关知识,论述了数据挖掘技术在高校图书馆个性化信息服务中的应用,以期为提高图书馆信息服务质量建言献策。     

基于时空序列模式匹配的兴趣点推荐方法

兴趣点(point of interest,POI)是地理空间信息的重要组成部分,在基于位置的信息服务中被广泛使用.针对用户对兴趣点访问所产生的时空序列,利用闭合序列模式挖掘方法分析频繁模式,在此基础上根据用户当前所处位置或最近访问序列,通过序列分析进行时空序列模式匹配,并按照序列的匹配程度给出兴趣点推荐列表.实验结果...     

基于Web内容挖掘的论坛发贴分类推荐技术

随着Internet基础结构的不断扩大和其所含信息的持续增长,Internet用户感觉越来越容易在WWW服务中"资源迷向".目前提高用户使用效率的方法有页面预取技术、站点动态重构技术和Web个性化推荐技术等.因为网站的页面内容才是用户真正感兴趣的,本文应用了一种基于Web内容挖掘的文本分类技术来实现论坛中贴子的分类推荐...     

大数据在动漫产业中的应用

作为继云计算、物联网之后IT行业又一颠覆性的技术,大数据已经渗入到社会发展的方方面面.随着“中国动漫数据平台”的成功组建,大数据被应用到动漫产业链的各个环节.大数据在动画电影推荐系统中的应用、整合动漫产业链实现价值最大化,助力动漫产业结构调整、产业融合和转型升级等方面,发挥着重要的技术支撑作用.“大数据+动漫”的融合发展模式,将使动漫产业的未来格局发生根本性变化.     

面向选择性游览的景区路径推荐算法应用研究

针对目前景区路线推荐基本都从景点的热门程度以及游客可用时间的多少选择旅游路线,很少考虑到游客的个性化需求以及游览效率的现状,提出了一种基于个性化和游览效率的面向选择性游览的景区路径推荐（STRR）算法。首先通过将景区的空间结构离散化,获取游客想要游览的景点;再基于离散粒子群（PSO）算法提出利用优先级规则改进位置更新的方法,快速得到一条满足游客个性化需求的最短路径;最后以北京化工大学东校区为例利用平面仿真进行了实例验证。实验结果表明,STRR算法能够得到一条既满足游客个性化需求且游览效率最高的路径,并在计算效率方面比其他算法具有更好的优越性。     

基于K-medoids项目聚类的协同过滤推荐算法

针对传统协同过滤推荐算法通常针对整个评分矩阵进行计算,存在效率不高的问题,提出一种基于K-medoids项目聚类的协同过滤推荐算法.该算法根据项目的类别属性对项目进行聚类,构建用户的偏好领域,使用用户偏好领域内的评分矩阵进行用户间相似度的计算,得到目标用户的最近邻居集,并生成推荐结果.与常用的K-means聚类方法相比,采用K-medoids方法对项目类别属性进行聚类,不仅克服了评分聚类可靠性不高的问题,而且算法还具有更好的鲁棒性.实验结果表明,该算法能有效提高推荐质量.     

Heterogeneity in initial resource configurations improves a network-based hybrid recommendation algorithm

Network-based recommendation algorithms for user–object link predictions have achieved significant developments in recent years. For bipartite graphs, the resource reallocation in such algorithms is analogous to heat spreading (HeatS) or probability spreading (ProbS) processes. The best algorithm to date is a hybrid of the HeatS and ProbS techniques with homogeneous initial resource configurations, which fulfills simultaneously high accuracy and large diversity requirements. We investigate the effect of heterogeneity in initial configurations on the HeatS + ProbS hybrid algorithm and find that both recommendation accuracy and diversity can be further improved in this new setting. Numerical experiments show that the improvement is robust.     

组合调整频率会影响投资者的回报率么?——基于分析师股票推荐的投资策略研究

利用巨灵数据库的分析师评级数据,从投资者角度建立动态组合,检验了按每日、每周、每两周、每月、每季度头寸调整频率后的超额收益,研究发现:"买入"评级组合在各种头寸调整频率策略下都获得了超越市场指数的超额回报率,其中按每周频率进行头寸调整策略获得的市场调整后平均超额回报率最高,按三个月频率进行头寸调整策略获得的市场调整后平均超额回报率最低。投资者在面对分析师一致认为"买入"评级股票时,可按照每周更新的频率构建组合,以获取较高的超额回报率。投资者如果按季度调整频率来卖出股票可能会错失投资机会,卖掉的股票很可能会跑赢市场,投资者可按每两周或每四周的频率调整投资组合中的股票,卖出负面推荐评级"减持/卖出"股票,降低投资亏损。