导读:本文包含了基于用户的推荐论文开题报告文献综述及选题提纲参考文献，主要关键词:用户画像,智慧图书馆,知识推荐,情景化服务
基于用户的推荐论文文献综述
张若兰[1]（2019）在《基于用户画像的智慧图书馆情景化知识推荐服务研究》一文中研究指出介绍了用户画像的概念、构成及情景化知识推荐服务的内容与应用,概括了基于用户画像的智慧图书馆情景化知识推荐服务的目标,设计了情景化知识推荐的服务流程,并总结了几点智慧图书馆开展情景化知识推荐服务的应用经验。(本文来源于《图书馆学刊》期刊2019年11期）
张晗,毕强,李洁,丁梦晓[2]（2019）在《基于用户画像的数字图书馆精准推荐服务体系构建研究》一文中研究指出[目的/意义]缓解精准推荐服务存在的供需矛盾,实现数字图书馆供给侧服务创新。[方法/过程]首先将用户画像置于数字图书馆特定领域中,解读用户画像的需求和功能,并作为数字图书馆精准推荐服务体系构建的基础。其次根据大数据时代创新的"四化"要求,结合体系的组成要素,从数据模块、推荐模块和用户模块对数字图书馆精准推荐服务体系进行层级建构。[结论/结果]在积累用户数据—挖掘用户数据—分析用户数据—利用用户数据层层递进中实现数字图书馆的精准推荐服务体系的创新。(本文来源于《情报理论与实践》期刊2019年11期）
陈亚辉,吴基成,孙澜[3]（2019）在《金融用户精准可信推荐研究》一文中研究指出金融业面对的一个巨大挑战就是其客户在消费需求和消费行为上转变。首先,在消费需求上,客户的可靠性需求出现提升,传统机构存在垃圾广告营销,无法真正满足顾客对产品的可信需求等。另外,在消费行为上,金融机构已经很难通过面对面的传统方式来接触到消费者(特别是年轻消费者)去了解客户信用情况及精准推荐。因此,本研究以区块链技术为基础,研究金融大数据的共享与流通,以社交网络技术和工作流技术为基础,研究金融大数据的分析与协调技术,最终实现面向金融用户的精准可信推荐。(本文来源于《广西质量监督导报》期刊2019年11期）
李治,孙锐[4]（2019）在《社会互动对推荐系统用户感知及信息采纳的影响研究》一文中研究指出个性化推荐系统(personalized recommendation system,PRS)通过考虑目标用户和相似用户的偏好生成推荐信息。基于情境实验分析,通过改变社会互动(社会参照和自我参照)的水平,使用六个针对应用程序(App)的PRS建立Web下的操作实验,获得参与者对基于社会互动的PRS评价,利用SPSS 23.0和Smart PLS 2.0软件对实验数据进行分析和处理。研究表明,社会互动环境显着提高了用户对PRS的感知精确性和新颖性,并且,研究结果证实了感知精确性和新颖性对用户满意度的正向影响,以及满意度和感知新颖性对信息采纳的正向影响。此外,研究还验证了感知精确性、感知新颖性和满意度的中介作用。本研究旨在探明社会互动因素如何影响感知精确性和新颖性,进而影响满意度和信息采纳。通过整合PRS和社会互动的功能,有助于提高对PRS用户感知有关的社会认知过程的理解。(本文来源于《情报学报》期刊2019年11期）
王刚,郭雪梅[5]（2019）在《基于用户兴趣序列相似性度量的图书协同过滤推荐方法研究》一文中研究指出论文通过用户在一系列时间节点对所借阅图书的评分形成用户兴趣序列,并提取用户之间的最长公共兴趣子序列(LCSIS)和所有公共兴趣子序列(ACSIS),以此为基础计算用户之间的相似性并与传统的协同过滤推荐方法相结合,提出了基于用户兴趣序列的改进协同过滤图书推荐方法。将本文提出的方法和传统的基于用户的协同过滤推荐方法在天津医科大学图书馆图书借阅数据集进行实验验证,结果发现该方法在推荐效果上优于传统方法。(本文来源于《新世纪图书馆》期刊2019年11期）
马铁民,周福才,王爽[6]（2019）在《基于用户相似度的随机游走社交网络事件推荐算法》一文中研究指出针对基于社交网络的事件推荐覆盖性和准确性不够高的问题,提出了基于用户相似度Si-user Walker算法.该算法利用基于事件的社交网络特征,将线上用户群组数据抽象为图,以重启随机游走算法为基础,改变了传统的完全基于图的拓扑结构进行随机游走的策略.根据地理位置划分事件类型,提出了新的用户相似度计算方法,然后根据用户相似度矩阵作为随机游走的转移概率,既保留了图的传递性,又保证了图节点游走的真实性.与其他推荐算法在真实的数据集上实验表明,该算法在均方根误差、准确率及覆盖率上均得到提升.(本文来源于《东北大学学报(自然科学版)》期刊2019年11期）
邓秀勤,刘太亨,刘富春,龙咏红[7]（2019）在《基于全加权矩阵分解的用户协同过滤推荐算法》一文中研究指出针对传统的基于用户协同过滤推荐算法将用户对某物品的喜好程度等同看待的问题,文中提出了一种融合全加权矩阵分解的用户协同过滤模型。该模型首先为观测值设计频率感知加权,且非均匀地设计用于未观测值的用户导向加权。然后组合观测值和未观测值的加权,并根据评分确定用户声誉和用户关系的相似性,构建融合全加权矩阵分解的用户协同过滤模型。为了验证提出的推荐算法的性能,在Douban、Epinions和Last.fm 3个真实数据集上进行了仿真实验。实验结果表明,所提出的AWMF_UCFR算法的推荐准确性与MF算法、WRMF-UO算法、SoRS算法相比有显着提高。(本文来源于《计算机科学》期刊2019年S2期）
朱佩佩,龙敏[8]（2019）在《基于用户间接信任及高斯填充的推荐算法》一文中研究指出现有的推荐算法引入用户显式信任,可以有效地提高推荐精度,但没有充分挖掘社交关系,而间接信任在社交信息中具有更加丰富的潜在价值,进一步影响到推荐质量。虽然对于间接信任也存在相关研究,但是计算复杂,采取的信任传递路径不充分。故此,通过信任传递网络图,将各分支节点与总路径节点比例经过逐节点相乘的方式全局获取信任间接值,然后采用信息熵分析用户社交信任关系的实际表现,调整信任,以形成间接信任的计算模型IpmTrust,并以此模型设计一种考虑用户间接信任的推荐算法GITCF。该算法利用高斯模型对评分矩阵进行填充,然后采用修正的余弦计算用户相似度。通过IpmTrust计算间接信任后,将用户信任与相似度进行一定线性加权融合,最后采用改进的近邻预测进行推荐。实验在Matlab仿真平台上进行,对RMSE,MAE两个指标评测,将GITCF与现有的推荐算法、传统推荐算法做比较。GITCF的推荐精度比现有推荐的推荐精度提高了近7%,也高于不含信任的传统推荐的推荐精度。实验结果表明,IpmTrust模型有一定的有效性,设计的推荐算法可改善推荐结果的质量。(本文来源于《计算机科学》期刊2019年S2期）
周家昊,李民[9]（2019）在《基于旅游用户数据和评论的推荐系统的设计》一文中研究指出随着国民生活水平的提高,旅游业蓬勃发展,旅游业与互联网的结合促进了在线旅游业的形成,也就是当代所说的"智慧旅游"。用户可以通过互联网了解各种各样的旅游信息,但是,日趋严重的过载旅游数据现象让旅游商们难以准确的挖掘出符合用户兴趣的个性化旅游信息,推荐出一个智慧的旅游路线更是如同大海捞针,而旅游推荐系统是解决这一问题的关键技术。本文基于个性化推荐算法的研究,将用户信息,用户评论,用户行为,用户历史订单,用户未来订单等多项数据作为算法的训练测试集,对功能性需求进行分析,开发了基于用户数据的推荐系统。(本文来源于《软件》期刊2019年11期）
龙玉绒,王丽珍,陈红梅[10]（2019）在《基于用户轨迹数据的用户兴趣区域推荐》一文中研究指出推荐系统是通过分析已知信息和用户偏好,在用户选择物品或服务时,向用户提供帮助和建议的系统。但是目前大部分推荐系统都是基于用户评价或评分信息向用户推荐购物、电影等电子商务服务,基于用户轨迹数据进行用户兴趣区域推荐的研究十分罕见。用户的轨迹数据蕴含了用户的偏好,不同的轨迹反映不同的用户特性。所以提出一种从用户轨迹数据中挖掘最大频繁项集,并将最大频繁项集用于计算用户相似性和偏好的推荐方法。该推荐方法还综合考虑了相似用户访问次数、置信度和用户住宅信息等可能会影响推荐质量的因素。将提出的方法和基于协同过滤的推荐方法、基于关联规则的推荐方法进行比较,结果显示本文提出方法的效果较好。(本文来源于《软件工程》期刊2019年11期）
基于用户的推荐论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
[目的/意义]缓解精准推荐服务存在的供需矛盾,实现数字图书馆供给侧服务创新。[方法/过程]首先将用户画像置于数字图书馆特定领域中,解读用户画像的需求和功能,并作为数字图书馆精准推荐服务体系构建的基础。其次根据大数据时代创新的"四化"要求,结合体系的组成要素,从数据模块、推荐模块和用户模块对数字图书馆精准推荐服务体系进行层级建构。[结论/结果]在积累用户数据—挖掘用户数据—分析用户数据—利用用户数据层层递进中实现数字图书馆的精准推荐服务体系的创新。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
基于用户的推荐论文参考文献
[1].张若兰.基于用户画像的智慧图书馆情景化知识推荐服务研究[J].图书馆学刊.2019
[2].张晗,毕强,李洁,丁梦晓.基于用户画像的数字图书馆精准推荐服务体系构建研究[J].情报理论与实践.2019
[3].陈亚辉,吴基成,孙澜.金融用户精准可信推荐研究[J].广西质量监督导报.2019
[4].李治,孙锐.社会互动对推荐系统用户感知及信息采纳的影响研究[J].情报学报.2019
[5].王刚,郭雪梅.基于用户兴趣序列相似性度量的图书协同过滤推荐方法研究[J].新世纪图书馆.2019
[6].马铁民,周福才,王爽.基于用户相似度的随机游走社交网络事件推荐算法[J].东北大学学报(自然科学版).2019
[7].邓秀勤,刘太亨,刘富春,龙咏红.基于全加权矩阵分解的用户协同过滤推荐算法[J].计算机科学.2019
[8].朱佩佩,龙敏.基于用户间接信任及高斯填充的推荐算法[J].计算机科学.2019
[9].周家昊,李民.基于旅游用户数据和评论的推荐系统的设计[J].软件.2019
[10].龙玉绒,王丽珍,陈红梅.基于用户轨迹数据的用户兴趣区域推荐[J].软件工程.2019