排序方式: 共有9条查询结果,搜索用时 15 毫秒
1
1.
2.
3.
随着社会网络关系的不断复杂化,商品是否推荐成功,除了基于商品本身的特征外,还受社会网络关系的影响。很多用户更加信任来自朋友的推荐,而非机器通过单因素计算出来的推荐结果。因此,设计了一个融入社会网络关系的电子商务推荐系统。其中,构建了社会网络关系强度、兴趣偏好强度和商品流行性与声望强度3个关键因子,每个一级因子又由若干个二级因子构成。实验结果验证了社会网络关系会对其中成员的网购等网络行为产生影响,构建的基于社会网络的电子商务推荐策略的效果比其他单因素推荐策略好且稳定,具有很好的实际应用效果。 相似文献
4.
5.
个性化推荐准确率的高低是互联网应用成功与否的关键因素,针对传统推荐模型的不足,提出一种基于情境和主体特征融入性的多维度个性化推荐模型,该模型能够充分利用地域文化背景、领域主题情景、主体特征等信息,避免了传统算法把用户整体作为单个向量的弊端,克服了数据稀疏性等问题。实验结果表明,该模型的推荐质量比传统的协同推荐模型高,更有针对性地向用户推荐他们感兴趣的项目。 相似文献
6.
7.
8.
主要研究了随机连续需求情况下的第三方仓储企业能力配置与分布式仓储问题。对不同客户货物的仓储能力配置与分布式仓储问题,建立相应的两阶段数学模型,并且对该模型进行化简求解,之后进行了模型的逆向调整与改进。研究发现,在有仓储能力限制的情境下,不同客户不同货物的仓储能力分配值不仅与本身的需求分布相关,还与其他货物的需求分布有着比较大的关系,并且这种关系会随着仓储空间限制的加大而变得更加紧密。在总仓储能力足够大时,各不同客户货物的存储能力分配主要受本身的需求分布影响。进而对仓容有限条件下的第三方仓储提出了动态自适应分布式两阶段存储策略。 相似文献
9.
移动用户为具有特殊性,即与情景的关联性.在研究融入位置情景的移动用户行为特征.首先分析了影响移动用户行为模式的情景集合,并通过调查问卷分析,提取出主要的情景因素,包括用户(user)、设备(device)、地点(location)、时间(time)和服务信息(service).然后根据这些情景属性对移动用户行为模式进行建模,并提出了一种基于网络结构的移动用户行为模式挖掘方法.根据兴趣度的大小将移动用户行为模式划分为三个等级,即低兴趣度、中兴趣度和高兴趣度,保留兴趣度较高的行为模式,剔除兴趣度低的行为模式,然后利用数据挖掘方法挖掘出兴趣度较大移动用户行为模式的关联规则.利用这些规则对用户进行一定的推荐服务,以便为移动用户提供更优质的服务. 相似文献
1