音乐推荐系统中的用户冷启动问题

利用新用户使用音乐时的上下文环境信息来解决冷启动问题.当用户播放音乐时,提取用户当时场景的时间、天气、状态等信息,利用这些信息构建决策树分类模型.当新用户使用音乐推荐系统时,提取当前情景的上下文信息,根据决策树分支和上下文信息判断新用户的兴趣,向新用户推荐音乐.实验结果表明,当采用上下文相关音乐推荐算法,推荐数目不超过6项时,新用户对推荐结果的满意度超过TopN算法.     

基于权重调节和用户偏好的协同过滤算法

针对传统相似度计算方法只利用用户的评分信息这一显性反馈行为进行推荐, 导致推荐效果不理想的问题, 提出一种新的相似度计算方法, 通过引入权重调节机制及用户行为偏好等隐性反馈信息, 提升推荐的准确度. 首先, 根据负采样的反用户频率, 降低流行物品全局软件工程的影响程度, 并使用共同评分行为的最小权重, 调节因共同评分数过少而导致的推荐准确度偏差. 其次, 提出项目偏好词定义, 根据项目偏好词矩阵计算出在项目特征上具有共同偏好的用户. 最后, 在MovieLens数据集上进行实验对比分析, 实验结果表明, 改进后的相似度计算有较优的MAE值, 且有更高的推荐准确性.     

基于社交关系和条件补全的协同过滤推荐算法

针对传统协同过滤算法中存在数据稀疏、数据冗余和算法效率低等问题,提出一种基于社交关系和条件补全的协同过滤推荐算法.该算法将社交关系数据应用到矩阵补全过程中,减小原始矩阵的稀疏度,同时提高补全数据的精确度;在项目相似性计算时,条件性地选择参与计算的向量数据,减少数据的冗余度,并降低算法的时间复杂度.实验结果表明,改进算法的推荐准确率明显提高.     

液相色谱专家系统中柱系统推荐规则的建立和验证

把分子结构和分子、离子静电作用力作为影响溶质保留值和选择性的基本点,提出了液相色谱专家系统柱系统推荐的基本规则,由此可以从溶质所包含的基团或官能团的信息进行色谱柱系统推荐。为了验证这些规则的正确性,应用几类常用的或典型的样品从分子结构通道进行液相色谱柱系统推荐,获得满意的结果。     

Personalized Metabolic Profile by Synergic Use of NMR and HRMS

A new strategy that takes advantage of the synergism between NMR and UHPLC–HRMS yields accurate concentrations of a high number of compounds in biofluids to delineate a personalized metabolic profile (SYNHMET). Metabolite identification and quantification by this method result in a higher accuracy compared to the use of the two techniques separately, even in urine, one of the most challenging biofluids to characterize due to its complexity and variability. We quantified a total of 165 metabolites in the urine of healthy subjects, patients with chronic cystitis, and patients with bladder cancer, with a minimum number of missing values. This result was achieved without the use of analytical standards and calibration curves. A patient’s personalized profile can be mapped out from the final dataset’s concentrations by comparing them with known normal ranges. This detailed picture has potential applications in clinical practice to monitor a patient’s health status and disease progression.     

移动云计算中基于LBS的个性化服务推荐模型

随着智能手机的普及和3G技术的发展,信息呈指数式增长,从海量的信息中提取出用户感兴趣的内容已成为电子商务发展的一个重要趋势,然而传统的推荐策略已不能满足用户的需求.为此,基于移动云计算和位置信息,提出了一个个性化服务推荐模型解决方案,该方案综合了社交网络和时效性,建立了用户兴趣模型库.基于这个解决方案,在Android平台上,实现了初步的个性化图片推荐模型,取得了不错的效果.个性化服务推荐系统具有良好的发展和应用前景,能有效的保留客户,提高电子商务系统的服务能力,带来巨大的效益,具有一定的理论和现实意义.     

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。     

电子政务系统中面向公众的个性化信息服务模型

电子政务作为Internet的主要应用领域，已受到世界各国的普遍关注。面对公众各种服务需求日趋个性化，如何打破政府职能机构的条块分割，构建一个一体化的虚拟政府，集成各类信息资源，为公众提供“一站式”的、个性化的服务，是当前电子政务理论和实践的热点课题。本文首先提出一个面向公众的“一站式”服务总体框架；其次，将个性化信息服务的概念引入到电子政务系统中，构建一个个性化信息服务模型；最后，运用数据挖掘技术对模型中的关键技术加以实现。     

热点应力法在高速列车设计中的应用

应力可靠性预测对高速列车车体的安全设计非常重要.本文采用国际焊接学会推荐标准预测高速列车车体关键部位应力,通过热点应力法对应力集中部位表面应力进行外推.计算结果表明通过参考点外推得到的热点应力总是明显小于有限元计算的结果,并且更接近于实验值.采用两点外推法或三点外推法计算结果的差别很小.