简介：针对个性化推荐系统中用户的多个不同需求,提出一种基于免疫算法的求解方法。该算法将要求解的个性化推荐列表建模成一个最大化推荐准确性和多样性的多目标优化问题,采用基于用户的协同过滤技术对用户进行分类,设计了适合推荐问题求解的抗体编码方式、克隆、变异算子。仿真实验结果表明,所提算法能够有效求得个性化推荐的最佳解,达到可以同时为多个用户提供多个不同推荐的需求。

简介：摘要：近年来旅游业发展迅速，生活多元化、个性化的趋势使得将特色旅游与影视作品相结合的影视旅游主题备受年轻人青睐。因此我们提出开发一款基于个性化推荐算法的影视旅游APP。APP采用协同过滤推荐算法，实现针对不同用户的个性化影视旅游资源推荐，还可以根据多种路径规划算法为用户实现旅游路线的个性化推荐，达到智能规划的功能。

简介：研究了时间窗口对基于10种用户相似性指标的个性化推荐算法的影响。在标准数据集MovieLens上的实验结果表明,只采用大约12.56%的用户近期历史记录,所得到的推荐结果准确性可以平均提高27.17%,而推荐列表多样性可以平均提高3.28%,极大地降低大规模数据所带来的计算复杂性问题。

简介：个性化图书推荐系统通过对用户借阅行为的统计分析,获取用户的兴趣特征,实现由原来的人找书到书找人一对一的个性化图书推荐。现有的图书推荐系统各有侧重,图书推荐算法及评价标准各具优、缺点。未来,图书推荐的研究热点及难点将集中在借阅记录的稀疏性、新图书问题、高校新生问题、用户统计学信息、根据《中国图书馆分类法》计算图书相似性、副本数及借阅规章制度等方面。

简介：依照Web2．0的“社会化标注”思想，针对基于内容的推荐算法（cBR）和协同过滤推荐算法（CF）存在的不足，提出了基于读者标签（Tags）的、融合图书“热门度”因子的个性化图书推荐的两个改进算法。利用统计分析软件R，重点对改进后的CBR算法进行实验分析和验证，结果表明，改进算法的图书个性化推荐效果有明显改善。

简介：针对高校图书推荐存在数据稀疏性和推荐结果质量不高的问题,提出了一种基于协同过滤的高校图书推荐算法.该算法利用图书分类号代替具体图书,应用改进的布尔型相似度计算方法,根据学院分组计算用户相似度,解决了数据稀疏性问题,提高了算法效率.通过定义课程计划、用户兴趣域和流行图书的影响力,建立了图书类别的评价模型.根据类别评价确定各类别推荐数量,提高了推荐结果的质量和多样性.实验结果表明,算法能够有效识别用户感兴趣的图书类别,并且图书推荐质量更好.

简介：摘 要：

简介：综合了经典的协同过滤算法和基于网络结构的个性化推荐算法。项目同其他所有项目的相似度之和被认为是项目在个性化推荐系统中的初始推荐资源,然后通过二部图的网络结构将这种资源进行重新分配。同时考虑两个项目之间的相互作用关系,提出了最终的推荐算法。最后,根据用户未曾收集项目最终所获得的资源进行排序,向用户推荐资源最多的项目。通过考察项目之间相互作用可以发现,推荐系统的算法衡量指标不能同时达到最优。同时为了进一步增强算法的可扩展性,引入了一个度指数来调节算法,这样在实际应用中就可以根据需要,通过调整项目之间的相互作用以及项目自身的度指数,达到最好的用户体验和系统多样性。

简介：为协助用户从海量数据中发掘有效信息，提出了一种支持个性化推荐技术的信息分发系统。该系统通过识别用户个性化需求，主动建立用户和信息之间联系，实现基于个性化需求的信息推荐。采用个性化推荐技术可提升信息分发系统的信息分发共享能力，同时也提高了信息资源利用率。

简介：在实际商用的个性化推荐系统中，调度框架作为连接推荐算法和产品功能之间的纽带，会直接决定用户在什么时间、什么地点（位置）看到什么样的推荐内容，以及达到产品期待的推荐效果、所要消耗的资源和成本。因此，可以说调度框架决定了企业最终向用户提供的个性化推荐服务的最终质量。

简介：根据推荐系统任务的不同，介绍了不同的准确性度量指标以及各自的优缺点；介绍了准确度之外的其它指标，例如推荐多样性、覆盖率等；指出了目前评价指标存在的缺陷，以及未来可能的改进方向。

简介：【摘要】 好的穿搭可以凸显人们身材之长，蔽其短。为了实现人体体型的个性化服装推荐，使用深度学习网络和OpenPose识别图片获取人体比例信息，并根据用户的属性完成服装推荐方案。

简介：

简介：摘要：个性化新闻推荐是基于大数据技术，对用户数据、新闻数据、交叉数据进行技术整合、匹配、分发，达到个性化推荐的整个流程，最终为用户找到与其需求相匹配的内容。个性化新闻推荐是目的，算法技术是手段。本文以“今日头条”为例，首先对个性化新闻推荐和算法的内涵进行介绍，然后分析了“今日头条”个性化新闻推荐中的算法对新闻把关人、受众、新闻媒介、社会等伦理方面产生的问题，最后对这些问题该如何解决提出了相应的对策。

简介：随着现代信息技术的发展,个性化技术越来越受到人们的青睐,开发个性化授课教师推荐网站,是解决学校管理部门在安排课程时能快速找到合适的授课教师的有效办法之一,这对于推进学校的信息化建设有重要的作用.

简介：摘 要：阐述了图书个性化推荐在图书馆服务中的重要性，分析了主流的协同过滤推荐算法的两种方法，结合图书馆图书推荐特点设计基于用户协同过滤算法，并提供了协同过滤算法在图书推荐中的详细思路，最终实现了图书馆图书个性化推荐，为图书馆服务师生发挥了重要作用。

简介：摘要：个性化推荐算法在信息过载的背景下，为用户提供个性化的推荐服务。然而，传统的推荐算法往往忽视了用户和物品之间的异质信息网络结构以及用户的个性化兴趣特征。为了解决这个问题，本文提出了一种基于图注意力和异质信息网络的个性化推荐算法。该算法利用图注意力机制来建模用户和物品之间的关系，并结合异质信息网络的特点，有效地捕捉用户的个性化兴趣特征。实验结果表明，该算法在推荐准确性和个性化程度方面显著优于传统的推荐算法。

简介：摘要：网络时代，在线学习资源日益丰富。面对大量的信息，如何准确地向学习者推荐他们感兴趣的内容，以避免陷入数字泥潭是个性化推荐领域需要研究的问题。本文分析了二图信息扩散推荐算法，并结合网络资源的标签属性，探讨了基于标签的三图学习资源个性化推荐算法的改进。该算法在保留有效性和简洁性的前提下，利用标签属性扩大了推荐资源的广度，对缓解网络稀缺引起的推荐信息不完整具有一定的参考意义。

简介：摘要：随着社会经济与科学技术发展速度不断加快，智能移动设施被广泛应用在广告行业生产经营过程中，使广告推送方式及推送平台得到了进一步优化。为切实满足大众趋于多元化的广告需求，需要进一步完善现有个性化广告推荐系统功能，不断优化广告推送内容。本文就针对此，以个性化广告推荐系统发展现状为切入点，提出个性化广告推荐系统实际功能与关键技术，以供参考。

简介：摘要：当前，一些网络学习平台为追求学习资源的数量、用户的访问量，热衷于采用“云服务”模式，过于在意平台上信息资源的聚集，导致学习者迷失在海量的信息资源中，无法获取满足自身个性化需求的有效资源。为了缓解此类问题，个性化推荐技术应运而生。它是在个性化搜索的基础上能够根据学习者的兴趣爱好、行为特性，推荐有可能感兴趣的学习信息资源。这种个性化服务模式，与电商网站上的产品推荐类似，依据用户的已访问行为记录，推荐相关的产品和服务。对于网络学习平台而言，个性化服务是一个相当重要的主题。目前，个性化推荐技术已被广泛应用到电商各类平台中，作为其中较为成功的协同过滤技术，受到了许多电商平台的青睐。网络学习资源平台作为一种全新的、以学习者为主体的学习方式，不仅拥有大量的数字化学习资源，还能将个性化推荐技术应用到其中，大大提高了学习效率，改善了用户体验。