简介：摘要:本文针对在邻居用户协同评分识别数据极端稀疏的大环境下运行传统应用协同推荐过滤度量推荐评分算法可能存在的一些弊端,从如何提高不同邻居之间用户评分识别率的准确性角度出发,对目前传统用户相似性平均度量推荐方法特点进行大胆改进,在此方法基础上创新提出一种基于用户相关性平均值的协同推荐过滤算法。实验分析结果表明,该分析算法不仅能有效增强居民邻居推荐用户在居民推荐结果中的品牌影响力,有效帮助提高邻居推荐结果精度,改善邻居推荐结果质量。

简介：摘 要：近年来，大数据、云计算、人工智能等新技术的迅速发展，数据量也急速增长。对于多模数据的应用和海量数据的处理已经成为研究人员最关注的话题之一。而神经学习的出现，给处理多模和海量数据带来了新的方向。深度学习构建的神经网络可以很好的处理非结构化的数据，给推荐算法的发展指明了道路。文章搭建了一种基于深度神经网络的多模信息推荐算法模型。实验结果表明，该模型能够有较好的推荐效果。

简介：摘要：“无理由退货制度”从法律层面上开创了我国远程交易中关于消费者撤回权制度的先河，但近几年实务中很多消费者滥用无理由退货制度，同时《消法》立法时“倾斜保护消费者”的“基础土壤”已产生了很大变化。无理由退货制度最重要的是保证该制度能够实现消费者和经营者的利益平衡，避免消费者和经营者的机会主义行为，使其有效运作且能被双方接受。针对这些问题，目前无理由退货制度依托的立法理念和规则设计都存在一定的滞后性和隐患性，因此适当规定消费者的法律责任实属必要。

简介：摘 要：针对战场环境数据量大、数据种类多的特点本文提出了基于VSM和AMMK-means的聚类信息推荐方法，为不同席位提供主动服务，增强指挥员的战场感知能力。本文首先使用VSM来表示战场信息的文本特征，然后采用AMMK-means聚类算法对战场信息进行分类，构建用席位兴趣模型，最后计算席位兴趣模型和候选信息之间的相似度并向席位推荐其感兴趣的战场信息。

简介：摘要：农村电商的规模逐年增长，不过因为交通和信息的缺陷成本依然较高，尤其影响农村电商上行成本。本文研究了一种基于 FP-Growth关联规则的农村电商推荐算法，算法以皮尔逊相关系数为基础对商品进行 K-means聚类，挖掘了潜在的连续购买关系，并据此推荐处于同区域内的若干相关商品。经离线评估，算法改进了订单撮合方法，提升上行订单的时间和空间集中度，降低了农村电商上行成本。

简介：摘要：维生素 A对动植物的繁殖有诸多影响，为了动植物的健康成长，需要对饲料中维生素的生理功能进行分析，从而找到维生素 A的合理用量。

简介：摘要：由于协同过滤算法的推荐准确度较高，越来越多的智能推荐应用开始使用协同过滤算法来对用户进行推荐。而受限于评分矩阵的缺失，在论文推荐的领域中，多为基于内容的论文推荐，较少看到协同过滤算法的应用。本文利用 FP-growth算法挖掘论文关键词的频繁项集，根据相关参数设置了虚拟评分矩阵，实现了使用协同过滤算法对论文的智能推荐。

简介：摘要：教育工作者要注重因材施教，通过关注学生的不同特点和个性特征，提倡积极主动的个性化学习方法，充分发展每一位学生的优势潜能。但在长期的教学实践过程中，存在教育工作者难以全面准确了解每一位学生所需要的教学资源，对学生的个人特征研究不够充分，对学生的学习兴趣和偏好分析不够深入，无法针对不同学习需求的学生推荐个性化的教育资源。其主要原因在于学生自身存在个体特征、学习动机、学习风格及学习效率等因素的差异。近年来，快速发展的“互联网+”技术和不断增长的教育资源提供了丰富便捷的教学资源，为个性化学习的实施提供了可能。然而，如何基于学生的个体特征和学习需求从海量复杂的教学资源中智能搜索到所需要的资源并进行精准推荐，已成为国内各高校教学改革的热门话题和关键问题。用户画像作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，为实现教育资源个性化的推荐提供了新的研究方向。基于此，本篇文章对用户画像在教育资源个性化推荐中的应用究进行研究，以供参考。