检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

电子档案实时推荐系统模型优化应用研究

北京档案 2023年第11期 32-34页

作者：陈静胡祥科彭煦彭登辉中国长江三峡集团有限公司科学技术研究院中国长江三峡集团有限公司档案中心

论文结合实时推荐技术的特性,针对现有电子档案管理系统中的检索推荐方法,进一步提出实时推荐的优化方式,即通过应用基于内容的召回推荐策略和基于用户的协同过滤推荐策略进行电子档案的实时推荐。此种方式将打破传统依赖关键词的正向... 详细信息

论文结合实时推荐技术的特性,针对现有电子档案管理系统中的检索推荐方法,进一步提出实时推荐的优化方式,即通过应用基于内容的召回推荐策略和基于用户的协同过滤推荐策略进行电子档案的实时推荐。此种方式将打破传统依赖关键词的正向检索局限,提升电子档案的利用效率,为电子档案管理提供一定的参考与借鉴。

关键词：电子档案实时推荐计算机应用

基于Flink的专家智库实时推荐系统的设计与实现

在线全文

学校读者我要写书评

暂无评论

基于Flink的专家智库实时推荐系统的设计与实现

作者：陈一平北京邮电大学

学位级别：硕士

随着科学技术的蓬勃发展,论文和专利等学术成果与日俱增,但同时也带来了信息过载问题。为了缓解这一问题,专家智库平台应运而生,提供了丰富的学术资源和检索功能。然而,现有的专家智库平台普遍存在强检索弱推荐问题,即使有推荐服务,其... 详细信息

随着科学技术的蓬勃发展,论文和专利等学术成果与日俱增,但同时也带来了信息过载问题。为了缓解这一问题,专家智库平台应运而生,提供了丰富的学术资源和检索功能。然而,现有的专家智库平台普遍存在强检索弱推荐问题,即使有推荐服务,其策略也往往以领域主题推荐等离线推荐为主,忽视了用户的即时兴趣。此外,专家智库平台的海量学术资源也对推荐系统的性能提出了极高要求。因此,为专家智库平台提供高性能的能捕捉即时兴趣的实时推荐服务,具有极高的价值和意义。针对以上问题,本文设计并实现了基于Flink的专家智库实时推荐系统,重点工作包括以下几个方面:(1)设计并实现了三段式的基于Flink的实时流处理推荐架构方案。该架构方案有效融合了 Lambda架构和Kappa架构的优点,并与基于Storm的Lambda架构方案进行对比实验,实验结果验证了本文架构方案在吞吐量和时延上均有较大提升。(2)提出了面向专家智库的多路召回实时推荐策略。该策略将协同过滤推荐、基于内容的推荐等离线推荐策略与基于热度的推荐、实时协同过滤推荐等实时推荐策略进行结合,并针对专家智库平台多场景推荐特色进行定制化融合策略。最终通过使用平台采集的真实用户数据进行消融实验和分支对比实验,实验结果验证了本文策略在命中率、召回率和NDCG指标上均有所提升。(3)搭建了带实时推荐的专家智库平台。该平台系统使用SpringBoot框架进行后端开发,使用***和***进行了前端开发,使用MySQL作为关系型数据库,搭建于阿里云ECS服务器上。该平台系统实现了首页推荐功能、项目与研讨功能、检索功能、工作台功能和管理员功能等模块,功能完备。并且,该平台系统经过功能测试与性能测试后已经上线运营。

关键词：实时推荐流计算引擎多路召回相似度匹配专家智库

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于知识图谱的短视频实时推荐方法研究

基于知识图谱的短视频实时推荐方法研究

作者：孙宇辽宁大学

学位级别：硕士

在当今移动互联时代,多媒体影音娱乐行业得到迅猛发展,娱乐信息呈爆炸式增长趋势,信息过载、知识冗余等问题日益严峻,如何高效、准确地获取感兴趣的娱乐信息成为人们日常生活中的一个难题。推荐系统是数据挖掘和机器学习领域的重要应用... 详细信息

在当今移动互联时代,多媒体影音娱乐行业得到迅猛发展,娱乐信息呈爆炸式增长趋势,信息过载、知识冗余等问题日益严峻,如何高效、准确地获取感兴趣的娱乐信息成为人们日常生活中的一个难题。推荐系统是数据挖掘和机器学习领域的重要应用之一,是解决信息过载的重要途径。近年来,推荐系统的应用越来越广泛,包括新闻、电影、社交网站等多个领域。个性化推荐可以在用户没有明确的需求目标时,根据用户的历史行为数据和用户的属性偏好,构建合理的算法,推测最有可能符合用户兴趣的结果并反馈给用户。短视频因具有更新快、传播广的优势,可以使用户在碎片化的时间里获得多种信息,从而得到了越来越多人的青睐。但当今时代人们生活节奏快,用户的兴趣易变,因此针对短视频的实时推荐显得尤为重要,推荐实时性与用户的使用体验关联密切。本文针对短视频的实时推荐性能较差的问题,提出了一种基于知识图谱的短视频实时推荐方法,该方法主要包含了融合时间信息和多属性特征的知识图卷积表示方法和改进的基于多任务的长短期偏好融合模型两个部分,分别介绍如下:一、本文针对短视频推荐的准确性和多样性较低的问题,提出了融合时间信息和多属性特征的知识图卷积表示方法。该方法首先通过注意力机制对视频进行预处理,注意力机制可以高效地对视频的主要属性特征提取出来,然后利用知识图谱的卷积方法对用户兴趣进行嵌入表示,知识图谱除了包含丰富的节点信息以及节点之间的关联信息之外,本文加入用户浏览时长作为关系的权重,来衡量用户对视频的喜好程度。该方法综合考虑了用户的长期和短期兴趣,使得推荐结果中既包含用户本身的长期兴趣,也包含了近期的兴趣漂移,保证了推荐结果的多样性和准确性。二、针对短视频推荐的实时性差的问题,本文提出了改进的基于多任务的长短期偏好融合模型。由于LSTM模型具有优异的特征累积和传递性,而用户的兴趣变化也有同样的变化特点,因此本文使用改进的LSTM模型来进行长短期兴趣的融合。将长期兴趣作为LSTM模型的初始输入,在用户的短期兴趣发生变化程度超过阈值时,说明此时用户的兴趣与当前的推荐差距较远,于是实时地更新推荐,将此时的短期兴趣表示作为LSTM模型的当前输入。同时引入了时间参数t,代表每次推荐的有效时间,在LSTM中引入更新门,来说明兴趣衰减的程度。此模型还设置了两个训练任务,在改进后的LSTM模型基础上来共享两个任务的训练参数,在保证推荐准确性的基础上提高了实时性。为了检验本文所提方法的有效性,在ICME-2019短视频数据集上进行了对比实验,通过准确率、召回率、MRR等指标与几种主流短视频推荐算法进行了比较。经过实验验证,本文所提方法比FM、LSTM等主流的动态推荐方法在准确率、召回率和推荐速度上均有所提升,在保证推荐准确性的同时,提高了推荐实时性。

关键词：实时推荐短视频知识图谱图卷积长短期兴趣

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

实时推荐中精确性和实时性改进算法研究

实时推荐中精确性和实时性改进算法研究

作者：路顺重庆大学

学位级别：硕士

得益于互联网技术的快速发展,网络上的数据呈指数增加。人们被海量数据所包围以至于发现感兴趣的信息愈加困难,推荐系统在这种“信息过载”的情形下应运而生。单个推荐模型具有各种局限性,研究人员通常使用一些组合方法将多个推荐模型... 详细信息

得益于互联网技术的快速发展,网络上的数据呈指数增加。人们被海量数据所包围以至于发现感兴趣的信息愈加困难,推荐系统在这种“信息过载”的情形下应运而生。单个推荐模型具有各种局限性,研究人员通常使用一些组合方法将多个推荐模型进行融合,利用多模型的优点来弥补单模型的不足。另外,传统的推荐模型需要定期更新模型,每次推荐的依据都是上次更新前的历史数据,难以满足实时推荐需求,而现实生活中推荐系统面临的问题更多是基于短时期内的数据,这类场景中的物品一般具有短时效性,因此实时推荐变得愈加重要。本文的主要工作有以下几个方面:(1)本文研究了推荐系统中常用的模型组合方法,并提出了一种混合多模型的协同过滤算法,在算法中提出了“虚拟邻居物品”。该算法使用协同过滤的思想将多个模型进行组合,克服了传统基于物品的协同过滤算法的局限,可以有效提高推荐精度。矩阵分解模型和受限玻尔兹曼机模型是效果比较好的两个单模型,本文主要选择这两个模型以及它们的一些扩展版本进行组合。实验中首先对四个单模型参数调优,然后对比四个单模型的效果,最后选择效果最好的两个模型通过本文所提算法进行组合,并与常用的其他模型组合方法做对比实验。(2)本文提出了一种基于用户行为权重的实时性改进算法,通过时间窗口对最近一段时间内的用户行为建模,充分利用用户行为数据的时间维度信息为不同时刻的行为赋予不同权重,使越靠近当前时刻的行为权重越大,从而对推荐结果的影响也就越大,使推荐结果更能体现与用户当前行为的关联性。最后通过实验验证该算法对推荐结果实时性的改进。(3)本文调研了Flume、Kafka、Storm三个分布式框架,并基于这三个分布式框架设计了一个实时推荐模型,并在模型中应用了混合多模型的协同过滤算法和基于用户行为权重的实时性改进算法。本文实现了该实时推荐模型,并研究模型在应用实践中的实时推荐效果,验证该模型可以为用户提供实时推荐。

关键词：混合推荐实时推荐受限玻尔兹曼机矩阵分解协同过滤

基于局部敏感哈希技术的能耗社区实时推荐系统

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

小型微型计算机系统 2015年第11期36卷 2428-2433页

作者：韩军辉卢暾丁向华顾宁复旦大学计算机科学技术学院上海200433 复旦大学上海市数据科学重点实验室上海200433

能耗社区是以用户为中心、绿色节能为主题的在线社区,它具有用户类别多,不同类别用户行为差别较大以及用户在线行为目的性强等特点.随着社区用户规模扩大,用户产生内容和社区资源不断增多,从而导致社区信息量过载.针对能耗社区的特点和... 详细信息

能耗社区是以用户为中心、绿色节能为主题的在线社区,它具有用户类别多,不同类别用户行为差别较大以及用户在线行为目的性强等特点.随着社区用户规模扩大,用户产生内容和社区资源不断增多,从而导致社区信息量过载.针对能耗社区的特点和其面临的问题,提出一个基于局部敏感哈希技术的能耗社区实时推荐系统.该推荐系统主要包括两个功能模块:1)离线数据处理模块,该模块采用局部敏感哈希技术对整个话题和资源集进行离线聚类处理;2)实时在线推荐模块,该模块及时获取用户在线行为和个人信息,为用户实时推荐感兴趣话题和资源.实验结果表明,本文提出的在线实时推荐系统能够在尽量降低数据处理量的情况下保证推荐质量,并根据用户当前在线行为,实时推荐用户感兴趣的内容.

关键词：能耗社区信息过载实时推荐局部敏感哈希技术

在线全文

学校读者我要写书评

暂无评论

基于LSTM的水利信息分发实时推荐算法

长江科学院院报 2020年第3期37卷 137-143页

作者：卢焱鑫李永峰信明权李效宁刘树波武汉大学计算机学院武汉430072 甘肃省水利厅信息中心兰州730000

随着水利信息化建设的逐步深入,水情信息的实时推荐需求越来越强烈。水利数据具有很强的时效性,要求推荐系统能够提供实时推荐服务。基于用户的协同过滤算法和基于信息的协同过滤算法(Item-based Collaborative Filtering,ItemCF)是推... 详细信息

随着水利信息化建设的逐步深入,水情信息的实时推荐需求越来越强烈。水利数据具有很强的时效性,要求推荐系统能够提供实时推荐服务。基于用户的协同过滤算法和基于信息的协同过滤算法(Item-based Collaborative Filtering,ItemCF)是推荐领域常用的2种算法,但两者在本质上都属于离线算法,不能满足水情信息分发实时性要求。提出了一种基于长短期记忆神经网络(Long-Short-Term Memory,LSTM)的水情信息分发实时推荐算法并对其优化。实验结果表明:基于LSTM的实时推荐算法在推荐时延方面最优,而优化的结合二分类模型和ItemCF推荐结果的实时推荐算法在推荐准确率方面最优,设计实现优化的基于LSTM的实时推荐算法综合效果较好,在保证水情信息推荐准确性的同时保证了推荐实时性。

关键词：水情信息分发实时推荐 ItemCF LSTM 二分类模型优化

在线全文

学校读者我要写书评

暂无评论

基于Web日志的实时推荐系统

计算机工程 2009年第23期35卷 47-49页

作者：刘敏娴夏阳徐州师范大学现代教育技术中心徐州221116 中国矿业大学计算机科学与技术学院徐州221008

针对个性化实时推荐系统的不足,提出通过构造BP树的方法压缩访问事务集。采用一个实时推荐的系统模型,将耗时的数据预处理放在离线模块,实时推荐采用动态修剪BP树的方法,穿过访问模式树的相关部分,利用网页推荐算法得到频繁访问集,生成... 详细信息

针对个性化实时推荐系统的不足,提出通过构造BP树的方法压缩访问事务集。采用一个实时推荐的系统模型,将耗时的数据预处理放在离线模块,实时推荐采用动态修剪BP树的方法,穿过访问模式树的相关部分,利用网页推荐算法得到频繁访问集,生成推荐集。结果表明该算法只需扫描数据库一次,得到的频繁模式可满足页面实时推荐的快速需求。

关键词：数据挖掘数据预处理关联规则实时推荐

在线全文

学校读者我要写书评

暂无评论

个性化微博实时推荐模型研究

小型微型计算机系统 2016年第9期37卷 1910-1914页

作者：石磊陶永才李俊艳卫琳郑州大学信息工程学院郑州450001 郑州大学软件技术学院郑州450002

微博作为一种具有代表性的社交新兴媒体,为用户提供实时的、个性化的信息服务,可以让用户从海量信息中快速获取自己感兴趣的、实时的信息.提出一种个性化的实时微博推荐模型(Personalized and Real-Time recommendation model,PRT),为... 详细信息

微博作为一种具有代表性的社交新兴媒体,为用户提供实时的、个性化的信息服务,可以让用户从海量信息中快速获取自己感兴趣的、实时的信息.提出一种个性化的实时微博推荐模型(Personalized and Real-Time recommendation model,PRT),为了提高推荐的效率和准确性,PRT基于LDA主题模型获取用户动态偏好,根据用户偏好把用户分为不同的用户组,为用户组提供整体的局部推荐列表.PRT根据用户上次浏览微博时间t0的不同,为用户推荐从t0到当前时间发布的微博,满足用户对微博推荐的实时、个性化需求.本文使用从新浪微博获取的真实数据验证了模型的高效性和准确性,和算法CT比较,个性化实时推荐模型PRT的准确率提高了10.6%,召回率提高了8.4%,为用户提供了更准确的推荐.

关键词：个性化推荐实时推荐动态偏好微博

在线全文

学校读者我要写书评

暂无评论

基于物品综合流行性的实时推荐算法

机床与液压 2020年第24期48卷 227-245页

作者：秦阳欣蔡彪朱鑫平成都理工大学四川成都610059

在这个信息化时代,爆炸式增长的信息具有时效性、共享性、相对价值性的特点。为了帮助用户克服由于信息过载而带来的选择困难问题,个性化推荐应运而生。"信息老化"是信息网络发展过程中必然经历的一个过程,因此将时间因素融入到推荐算... 详细信息

在这个信息化时代,爆炸式增长的信息具有时效性、共享性、相对价值性的特点。为了帮助用户克服由于信息过载而带来的选择困难问题,个性化推荐应运而生。"信息老化"是信息网络发展过程中必然经历的一个过程,因此将时间因素融入到推荐算法成为必然的趋势。大多数研究时间因素的推荐算法主要集中在用户兴趣的变化或是物品近期的流行性,忽略了物品在发展过程中的综合流行性。本文以物品的综合流行性(Com PI)为研究中心,提出一种实时推荐算法。本文的主要工作有:(1)在推荐中考虑了物品在生命周期的发展阶段。(2)将时间因素加入推荐算法,建立指数型的时间权重衰减模型来合理量化时间权重。(3)将全概率模型与时间衰减模型相结合来建立物品的综合流行性模型,进而提出一种实时推荐算法,有效解决了现有算法中的"营销近视"问题。(4)将算法应用于真实数据集测试表明,本文提出的实时推荐算法具有更好的准确性、多样性和新颖性。(5)本文还研究了数据的增长特性,以及数据增长特性对于数据划分和算法性能测评的影响,提出在研究推荐算法时应该更关注具有指数增长的数据。综上所述,该算法可以有效地利用推荐系统中的时间因素来改善用户体验。此外,ComPI模型还可以帮助研究网络拓扑的演化过程,并可应用于网络相关领域。

关键词：推荐系统实时推荐时间权重模型综合流行性