我要投稿 查看投稿进度
学术期刊
在线客服
客服电话：400-188-5008
客服邮箱：service@ccnpub.com
投诉举报：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享

请选择 目标期刊

机器学习在运营商门店智能选品中的应用 下载：47 浏览：285

李玮1 康甜1 范丽2 《信息通信与技术》 2020年4期

摘要:
"新零售"背景下，运营商需要对门店经营进行全面赋能，解决目标客户不明确、商品上下架凭经验、无法准确识别用户需求等问题。文章主要研究在实时海量数据中，如何运用机器学习模型智能、高效地实现运营商门店选品。具体来看，通过采集用户基本信息、订单信息、账单信息、上网行为等数据，生成用户画像及门店画像相关特征，采用相关性分析、因子分析、聚类算法、推荐算法等，生成门店选品策略。研究成果为运营商门店选品提供智能化手段，提高门店经营能力，提高客户满意度，具有广泛的行业应用前景。

大数据中基于混合协同过滤的动态用户个性化推荐 下载：57 浏览：459

刘珊珊 《软件工程研究》 2019年8期

摘要:
为了提高大数据中动态用户个性化推荐的准确性和效率,采用基于混合协同过滤的方法来完成用户感兴趣数据的筛选,从而实现个性化推荐。先将用户数据及项目数据通过协同过滤算法来完成建模并评分,然后结合XGBoost模型的树形结构和正则学习的特点进行预测评分,接着将两种算法混合来求解最优目标函数,得到候选的推荐数据集合。最后通过实例仿真,混合算法精确度高,在大数据平台有较强的适用性。

移动端个性化旅游推荐系统模型设计 下载：58 浏览：459

陈传敬 陈琳 《软件工程研究》 2019年7期

摘要:
本文在基于现有的个性化推荐研究基础,提出了用户情境和文本内容组合推荐的方法,并构建了用户兴趣矩阵模型,设计了一套个性化推荐系统。本系统可以依据移动用户的偏好为用户提供推送服务。该系统由移动端及云平台服务器构成,移动端对用户信息进行采集,并展示推荐数据;服务器端收集来自移动端的数据,展开数据分析,构建用户兴趣模型,结合文本处理技术获取推荐内容,推送给移动用户。

面向个性化推荐的教育新闻爬取及展示系统 下载：91 浏览：501

刘灿 任剑宇 李伟 张强强 ​ 《软件工程研究》 2018年5期

摘要:
为了满足人们能快速、准确地获取个人最关心的教育类新闻的实际需求,本文提出了一种面向个性化推荐的教育新闻爬取及展示系统。本系统采用主题爬虫技术,在对爬取策略及爬取内容进行文本解析的基础上,获取教育新闻数据。结合用户需求特征,利用协同过滤的推荐策略,生成满足不同用户需求的个性化页面,并以词云和列表的形式展示给用户。该系统为人们获取最具时效性的教育新闻信息提供了一种可行的途径。

融合网络图模型和排序模型的论文个性化推荐算法 下载：63 浏览：433

刘伟1 刘柏嵩1 王洋洋2 《数据与科学》 2019年3期

摘要:
研究学术论文的质量和用户身份在推荐过程中影响个性化推荐结果的准确率和质量的问题,在研究网络图模型和排序模型的基础上,提出一种融合网络图模型和排序模型的论文推荐算法,将论文质量融入用户-论文二部图,利用重启随机游走生成与用户兴趣相关的学术论文,最后利用排序模型对相关学术论文进行排序生成Top-N推荐列表。通过实验对比,结合论文的质量进行推荐相对于其他方法平均召回率提高了3. 62%,排序模型能够生成满足不同身份用户需求的推荐列表。

基于MyMediaLite平台的推荐方法探究 下载：87 浏览：494

林楠 杨文渊 马伊莉 朱婷婷 陈圣磊 ​ 《软件工程研究》 2018年3期

摘要:
推荐系统是互联网和电子商务的产物。它是建立在对海量数据训练的基础上的一种智能平台,能够向顾客提供个性化的信息服务和决策。随着电子商务大数据的高速发展,推荐系统正逐渐成为学术界的研究热点之一。针对推荐系统理论性强、内容抽象的特点,本文介绍了以MyMediaLite为平台的个性化推荐实践方案,并详细阐述了其具体的实施过程。通过介绍MyMediaLite的系统结构框架,以及分析基于MyMedia Lite的实验过程,为研究者使用MyMediaLite推荐系统库进行算法研究奠定了基础。

基于深度神经网络和加权隐反馈的个性化推荐 下载：45 浏览：384

薛峰 刘凯 王东 张浩博 ​ 《人工智能研究》 2020年8期

摘要:
改进的矩阵分解(SVD++)将用户和物品特征向量的内积作为用户对物品的评分,而内积无法捕捉用户与物品之间复杂的高阶非线性关系.此外,SVD++在融入用户隐式反馈时,未区分不同交互物品对于用户特征表达的贡献.针对上述问题,文中提出基于深度神经网络和加权隐反馈的推荐算法(DeepNASVD++),采用深度神经网络建模用户与物品之间的关系,使用注意力机制计算历史交互物品在建模用户隐式反馈时的权重.在公开数据集上的实验验证文中算法的有效性.

人工智能时代的新闻价值重塑 下载：247 浏览：2455

孙牧云 《新闻传播研究》 2021年9期

摘要:
人工智能正在重塑新闻行业，包括新闻的生产、分发等多个环节，也产生了社会的广泛质疑与讨论，其作用已经从生产层面上升到了价值层面，在未来人工智能技术发展与对新闻行业的进一步渗透中，逐渐完成了对新闻价值的延展与演变。我们始终要以审慎的态度去迎接人工智能带来的新闻创新，探索人工智能时代新闻从业者的价值创新，实现共同进化。

基于人工智能的电子商务个性化推荐系统研究 下载：18 浏览：730

许菁 《人工智能研究》 2024年11期

摘要:
随着电子商务的快速发展，用户面对的商品信息量日益庞大，个性化推荐系统已成为提高用户购物体验和商家销售效率的重要工具。本文旨在深入探讨基于人工智能的电子商务个性化推荐系统，分析其工作原理、技术挑战以及未来发展趋势。

论人工智能技术在新媒体传播中的应用 下载：104 浏览：2664

阿卜杜克热木·米吉提 《人工智能研究》 年期

摘要:
本论文探讨了人工智能技术在新媒体传播中的广泛应用。新媒体传播已经成为信息时代的主要形式之一，而人工智能技术的快速发展为新媒体带来了前所未有的机会和挑战。本文分析了人工智能技术在内容生成、个性化推荐、用户互动和数据分析等方面的应用，以及它们对新媒体传播的影响。通过案例研究和文献综述，我们展示了人工智能技术如何提高新媒体传播的效率、扩大受众范围、提供个性化体验，并改进内容质量。然而，我们也探讨了伴随这些应用而来的伦理和隐私问题，以及信息操纵的风险。最后，本文呼吁继续研究和监管，以确保人工智能在新媒体传播中的应用符合社会和道德标准。

大数据分析在电商平台的个性化推荐系统研究 下载：35 浏览：734

王天秀 《数据与科学》 2024年7期

摘要:
随着大数据时代的到来，电商平台日益庞大的用户群体带来了丰富的数据资源，也使得个性化推荐系统成为提高用户体验，提升电商平台竞争力的重要工具。本研究以大数据技术为基础，研究并构建个性化推荐系统，以期通过高精度的推荐结果，满足不同用户的个性化需求。我们首先通过分析用户行为日志，收集用户的偏好信息，然后运用机器学习算法，如协同过滤、深度学习等，进行推荐模型的构建和训练。实验结果显示，相比于只依赖历史购物记录的传统推荐方法，使用大数据分析的推荐系统能有效提升推荐结果的准确性和覆盖率，并显著提高了用户的点击率和购买转换率。因此，运用大数据技术进行个性化推荐系统研究，能够提升电子商务平台的服务质量，增强其市场竞争力，对电子商务行业具有重要的实用价值和理论意义。
[1/1]
|<
<
1
>
>|
在线客服：：点击联系客服
联系电话：：400-188-5008
客服邮箱：：service@ccnpub.com
投诉举报：：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享