导读:本文包含了个性化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:计算机应用技术,科技文献,个性化,推荐算法
个性化推荐论文文献综述
杨凯,王利,周志平,赵卫东[1]（2019）在《基于内容和协同过滤的科技文献个性化推荐》一文中研究指出随着近年来科技的蓬勃发展,我国积累的科技文献资源数据规模逐年递增,日渐庞大。为了提高科技文献资源的利用率和科技服务的质量,对推荐系统需求越发迫切。文中将基于内容的方法和协同过滤相结合,取长补短,来实现科技文献的个性化推荐。TF-IDF算法用于提取科技文献的内容特征,SVD算法用于对评分矩阵进行分解。(本文来源于《信息技术》期刊2019年12期）
李佩,张红[2]（2019）在《基于关联规则的在线高考报名咨询个性化推荐系统》一文中研究指出高考志愿的填报是众多考生一次重要的人生抉择,它关系到考生的未来职业,关系到考生在校的学业成就,其中选择真正适合自己的专业方向显得尤为重要。设计了一个基于关联规则的在线高考报名咨询个性化推荐系统,采用J2EE技术架构。系统提供对高校信息、专业信息、高校往年招生情况等查询的功能,可根据考生录入信息为考生智能化地推荐高校,有助于考生选择合适自己的高校与专业。(本文来源于《计算机时代》期刊2019年12期）
赵旭,吕鹤轩[3]（2019）在《个性化推荐技术在微课系统中的应用》一文中研究指出随着我国教育信息化、数字化概念的提出,教育信息化资源以极快的速度大量涌现,导致信息呈现爆炸式增长,用户在面临海量信息时,需要花费大量的时间和精力去筛选所需的资源。本文针对此现状提出基于个性化推荐技术实现微课程视频的筛选方案。通过本系统可以为用户提供有针对性的、符合用户兴趣的相关资源,从而使用户获取信息的方式发生翻转,从以往的主动获取变为被动的接收,并保证用户接收的资源对其而言价值最高。(本文来源于《软件工程》期刊2019年12期）
杨米娜[4]（2019）在《计算机挖掘技术在个性化课程推荐中的应用》一文中研究指出本文以"计算机挖掘技术在个性化课程推荐中的应用探析"为题,在现代高等教育改革的背景下,探讨学生个性化课程推荐的有效应用,并结合计算机挖掘技术,结合评价矩阵,希望能为现代计算机技术的发展与高等教学体系的进步起到一定的促进作用。(本文来源于《电子技术与软件工程》期刊2019年23期）
艾静超[5]（2019）在《基于改进协同过滤技术的个性化旅游线路推荐研究》一文中研究指出为降低旅游路线制定的盲目性与随机性,解决海量旅游信息导致旅游路线选择困难的问题,提出基于改进协同过滤技术的个性化旅游线路推荐方法。根据旅游者拍摄的照片分析旅游者实际旅游足迹,得到旅游点热度,根据旅游点热度确定两个旅游者间的偏好一致度,得到旅游者近邻。根据近邻在各旅游点的浏览时间确定旅游点偏好程度,采用余弦计算方法确定近邻对旅游点偏好程度与旅游者对旅游点偏好程度的偏差值,构建基于用户的协同过滤模型。为防止基于用户的协同过滤模型中冷启动与数据稀疏性问题发生,将基于用户的协同过滤模型和基于地理位置的旅游路线推荐模型相结合,配合旅游者与旅游点地理位置信息,推荐满足旅游者偏好的个性化旅游路线。旅游路线推荐结果显示,所提方法在基于旅游者当前位置向旅游者推荐个性化旅游路线的同时,可确保线路中不存在路线交叉往返现象,降低行程花费时间1 h左右。(本文来源于《现代电子技术》期刊2019年23期）
张兰兰[6]（2019）在《基于关联数据的图书个性化智能推荐系统设计》一文中研究指出针对传统图书推荐系统存在匹配度不高、用户满意度较低的问题,引入关联数据技术设计一种新的图书个性化智能推荐系统。系统硬件结构由智能数据存储层、智能数据挖掘层、数据用户界面层组成,系统选用的处理器为嵌入式处理器,存储器为静态存储器。软件模块分为信息获取、信息匹配、信息推荐叁个部分。为了检测系统工作效果,将其与传统推荐系统进行对比。结果表明,所设计的推荐系统能够精准地将用户所需信息与图书信息匹配到一起完成推荐,达到用户满意的效果。(本文来源于《现代电子技术》期刊2019年23期）
单荣杰,马文明,祁明明[7]（2019）在《基于深度学习的个性化推荐模型应用》一文中研究指出随着信息技术的进步,推荐系统被广泛应用于购物以及新闻等网站门户中,通过分析用户的行为,得出用户兴趣偏向,进而对用户推荐相关信息,以吸引用户的注意。同时深度学习理论与技术的完善,更多复杂的模型被提出,在计算机视觉、语言理解等方面有着广泛的应用。将深度学习技术应用于推荐系统,能够更加充分的融合用户社会属性等方面信息,生成个性化的推荐,使得推荐质量得到较大提升。(本文来源于《电子技术与软件工程》期刊2019年23期）
王吉林[8]（2019）在《“互联网+”时代移动学习资源个性化推荐模型》一文中研究指出本文在分析移动学习资源个性化推荐现状的基础上,给出了一种基于混合模式的移动学习资源个性化推荐模型,并对模型的各个模块进行简单说明。希望为今后移动学习资源的个性化推荐提供模型构架方面的参考。(本文来源于《电子技术与软件工程》期刊2019年22期）
汤怀[9]（2019）在《基于逻辑回归模型的校园个性化学习资源推荐系统》一文中研究指出本文从当前校园个性化学习资源推荐系统的不足进行分析,从学习者提出的学习测验问题出发,将学习测验问题及是否正确作答转化为矩阵表示,提出一种提升学习者学习效率的学习者模型,并进行学习资源建模,再利用逻辑回归模型,以学习者学习前的测试结果作为输入,计算输出测验得分提高的最高期望值,推荐系统通过测验得分提高的期望值来量化学习效率,并通过不断迭代对学习资源进行二分类以最大化这个期望值,并提出期望值提升模型的工作方案。(本文来源于《电子技术与软件工程》期刊2019年22期）
张敏军,华庆一,贾伟,陈锐,姬翔[10]（2019）在《基于深度神经网络的个性化推荐系统研究》一文中研究指出为了有效地提升海量文献信息检索过程中的用户个性化满足程度,该文设计了一个全新的个性化推荐系统.在这个系统中,核心算法是基于深度神经网络的个性化推荐方法.此方法构建的深度神经网络,包含了嵌入层、编码层、个性化特征融合层、解码层4个层次,从而准确地反应用户的个性化需求并完成查询推荐.以基于DNN网络的文献检索方法、基于Segnet网络的文献检索方法、基于Seq2Seq网络的文献检索方法为对比算法,针对计算机、通信、机械、电气、建筑、历史、政治、经济、数学、英语10类文献数据进行查询推荐实验,比较4种方法检索结果与用户需求的吻合程度.实验结果表明:该文提出的基于深度神经网络的检索方法,其检索结果的用户个性化需求吻合度高于其他3种方法近10个百分点,对于英语类文献检索结果的个性化需求吻合度,甚至达到了90.2%,这充分说明了该文提出的检索方法和构建的个性化推荐系统有效.(本文来源于《西南大学学报(自然科学版)》期刊2019年11期）
个性化推荐论文开题报告
（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：
高考志愿的填报是众多考生一次重要的人生抉择,它关系到考生的未来职业,关系到考生在校的学业成就,其中选择真正适合自己的专业方向显得尤为重要。设计了一个基于关联规则的在线高考报名咨询个性化推荐系统,采用J2EE技术架构。系统提供对高校信息、专业信息、高校往年招生情况等查询的功能,可根据考生录入信息为考生智能化地推荐高校,有助于考生选择合适自己的高校与专业。
（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。
个性化推荐论文参考文献
[1].杨凯,王利,周志平,赵卫东.基于内容和协同过滤的科技文献个性化推荐[J].信息技术.2019
[2].李佩,张红.基于关联规则的在线高考报名咨询个性化推荐系统[J].计算机时代.2019
[3].赵旭,吕鹤轩.个性化推荐技术在微课系统中的应用[J].软件工程.2019
[4].杨米娜.计算机挖掘技术在个性化课程推荐中的应用[J].电子技术与软件工程.2019
[5].艾静超.基于改进协同过滤技术的个性化旅游线路推荐研究[J].现代电子技术.2019
[6].张兰兰.基于关联数据的图书个性化智能推荐系统设计[J].现代电子技术.2019
[7].单荣杰,马文明,祁明明.基于深度学习的个性化推荐模型应用[J].电子技术与软件工程.2019
[8].王吉林.“互联网+”时代移动学习资源个性化推荐模型[J].电子技术与软件工程.2019
[9].汤怀.基于逻辑回归模型的校园个性化学习资源推荐系统[J].电子技术与软件工程.2019
[10].张敏军,华庆一,贾伟,陈锐,姬翔.基于深度神经网络的个性化推荐系统研究[J].西南大学学报(自然科学版).2019