导读:本文包含了个性化过滤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
个性化过滤论文文献综述
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）
艾静超[2]（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）
熊慧君,宋一凡,张鹏,刘立波[3]（2019）在《基于深度自编码器和二次协同过滤的个性化试题推荐方法》一文中研究指出个性化试题推荐是实现高效学习的有效途径,帮助学生从"题海战术"中解脱出来,对实现适应性教学、促进教育公平具有重要意义。但目前个性化试题推荐方法大多是基于协同过滤进行试题层面的个性化推荐,没有聚焦到知识点层面,存在推荐试题定位不准确的问题。针对上述问题,对基于深度自编码器和二次协同过滤的个性化试题推荐方法进行了研究。首先考虑到学生对知识点的认知情况进行基于知识点的二次协同过滤试题推荐,然后应用项目反应理论和深度自编码器来预测学生在推荐试题上涉及推荐知识点的得分以及综合得分,最后对预测结果协同判断并控制最终个性化推荐试题的难度,产生最终的推荐试题列表。通过对比实验验证提出的推荐方法的推荐结果相对于传统试题推荐更具个性化和准确性。(本文来源于《计算机科学》期刊2019年S2期）
成保梅[4]（2019）在《基于协同过滤的电子商务个性化推荐算法研究》一文中研究指出采用基于使用者的协同过滤推荐算法进行电子商务个性化推荐,将获取的评价数据作为推荐算法的输入,根据使用者行为的相似性获取"最近邻居"集,统计其中各邻居对项目商品的评价分数,并以使用者对项目商品的评分形式和使用者关注度最高的多个项目商品推荐列表形式进行项目商品推荐。在获取"最近邻居"集的过程中,通过使用者特征集提升电子商务推荐系统推荐最近邻居的准确度,利用兴趣度随时间变化函数修正使用者评价矩阵,从使用者特性和兴趣两方面对协同过滤推荐算法进行个性化改进。研究结果表明,所提算法推荐项目商品所需时间始终低于对比算法,且采用该推荐算法后电子商务平台交易成功率由38.4%提升至87.2%。(本文来源于《现代电子技术》期刊2019年20期）
刘艳[5]（2019）在《基于协同过滤算法实现高校个性化就业推荐系统研究》一文中研究指出高校毕业生就业形势严峻、竞争异常激烈。"就业难"源于毕业生对于企业需求认识不足和对自我的认知不足,所以很多时候只能找一个专业不对口又不感兴趣的工作,而企业又出现的"招人难"的现象,又造成了毕业生和企业双方的损耗。协同过滤算法的个性化就业推荐系统,能够通过挖掘学生的兴趣爱好、职业导向等多重信息,从而生成学生就业兴趣模型,同时结合以往毕业生就业数据,为毕业生提供适合自身的就业推荐导向。本文重点介绍了基于协同过滤算法的就业推荐概念及基于协同过滤算法实现高校个性化就业推荐系统是如何开发设计的。(本文来源于《现代信息科技》期刊2019年15期）
张志鹏,张尧,任永功[6]（2019）在《基于覆盖约简的个性化协同过滤推荐方法》一文中研究指出协同过滤(CF)无法同时提供高精度和多样化的个性化推荐.基于此情况,文中提出基于覆盖约简的协同过滤方法(CRCF).结合覆盖粗糙集中的覆盖约简算法与CF中的用户约简,匹配覆盖中的冗余元素与邻近用户中的冗余用户,利用覆盖约简算法将冗余用户从目标用户的邻近用户中移除,保证CF中邻近用户的高效性.在公开数据集上的实验表明,在稀疏数据环境下,CRCF可以同时为目标用户提供高精度和多样化的个性化推荐.(本文来源于《模式识别与人工智能》期刊2019年07期）
熊楚平[7]（2019）在《基于标签权重的个性化协同过滤推荐算法》一文中研究指出互联网技术飞速发展产生的海量数据让用户很难快速高效的查找到有价值的信息,推荐系统因为可以帮助用户解决这一难题而被广泛研究。协同过滤的算法因其简便、易实现且推荐效果好成为主流的推荐技术。但其推荐性能往往因为用户操作数据过于稀疏受到影响,不能为用户产生合理的推荐原因也会影响用户的体验度。针对上述问题,本文提出了融合标签权重的个性化协同过滤推荐算法。首先,根据用户-项目评分矩阵以及项目标签,采用TF-IDF的方法计算用户的标签权重矩阵,然后分别采用叁种不同的方法模型进行实验:1、结合线性回归模型的个性化协同过滤推荐算法,根据用户标签权重矩阵,结合用户-项目评分矩阵构建线性回归模型,采用梯度下降的方法最小化代价函数的值,得到项目标签权重矩阵。然后将用户和项目的标签权重矩阵回代入线性回归模型,得到用户对所有未评分项目的预测评分,采用SlopeOne算法原理,计算预测评分同实际评分的差值平均,对预测结果进行调整得到最终的预测评分,对结果进行排序并推荐Top-N的项目给目标用户。2、基于近邻用户的协同过滤推荐算法,首先采用近邻传播算法对用户进行聚类,在聚类结果中寻找目标用户的近邻用户集,根据近邻用户的项目评分情况为目标用户产生推荐。3、将上述两种算法的结果进行混合,为目标用户产生评分预测,从而产生推荐。本文算法中将用户评分和项目标签进行转化,可以降低原始矩阵的维度,解决用户评分数据稀疏的问题,采用MovieLens数据集进行实验,结果表明算法的推荐准确度较传统协同过滤算法有明显的提升,且推荐的结果具有可解释性,可以满足用户的个性化需求。(本文来源于《新疆大学》期刊2019-06-30）
曾胜海,方德丽,黄永根[8]（2019）在《简约协同过滤在馆藏个性化推荐中的应用——以四川工程职业技术学院为例》一文中研究指出以四川工程职业技术学院为例,利用协同过滤的相关原理,通过挖掘本馆馆藏数据实现了馆藏个性化图书推荐。通过web日志的分析,证明这种协同过滤技术带来的推荐效果良好。(本文来源于《四川图书馆学报》期刊2019年03期）
盛先锋[9]（2019）在《基于聚类优化的数字图书馆协同过滤个性化推荐服务研究》一文中研究指出随着近年来计算机技术快速发展,数字图书馆有必要基于聚类优化对多种文献数据资源协同过滤,面向用户提供个性化推荐服务,以提高服务效率。文章在介绍聚类优化概念及含义的基础上,分析了数字图书馆协同过滤个性化推荐服务的优势,包括优化图书馆数字信息服务机制、为用户提供优质文献资源、提高数字资源利用率等。探究了协同过滤个性化推荐服务模式,包括个性化定制服务、个性化推送服务、数据挖掘与决策服务。最后归纳出数字图书馆协同过滤个性化推荐服务构建策略,即利用智能搜索技术、精确搜索资源,应用数据挖掘技术、挖掘数字信息价值,优化聚类算法、制定精准服务方案,完善系统平台、构建资源过滤服务机制。(本文来源于《中国中医药图书情报杂志》期刊2019年03期）
耿晓利,邓添文,罗桦锋,许佳惠[10]（2019）在《基于用户协同过滤算法的E-Learning平台个性化推荐研究》一文中研究指出在线学习(E-Learning)是一种深受欢迎的学习方式,但由于其资源众多,用户选择学习资源时无从下手,消耗掉较多的寻找时间。因此,根据用户的需要向其精准推荐课程是十分有必要的。通过挖掘E-Learning平台的用户数据特点,实现基于用户协同过滤的个性化课程推荐,实验结果显示,可以较好地帮助用户快速发现有价值的学习资源,减少选择资源的时间,有利于提高用户的学习效率,也可帮助用户快速良好地建立自身的知识体系。(本文来源于《现代计算机》期刊2019年17期）
个性化过滤论文开题报告
（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：
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。
（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。
个性化过滤论文参考文献
[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].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
[3].熊慧君,宋一凡,张鹏,刘立波.基于深度自编码器和二次协同过滤的个性化试题推荐方法[J].计算机科学.2019
[4].成保梅.基于协同过滤的电子商务个性化推荐算法研究[J].现代电子技术.2019
[5].刘艳.基于协同过滤算法实现高校个性化就业推荐系统研究[J].现代信息科技.2019
[6].张志鹏,张尧,任永功.基于覆盖约简的个性化协同过滤推荐方法[J].模式识别与人工智能.2019
[7].熊楚平.基于标签权重的个性化协同过滤推荐算法[D].新疆大学.2019
[8].曾胜海,方德丽,黄永根.简约协同过滤在馆藏个性化推荐中的应用——以四川工程职业技术学院为例[J].四川图书馆学报.2019
[9].盛先锋.基于聚类优化的数字图书馆协同过滤个性化推荐服务研究[J].中国中医药图书情报杂志.2019
[10].耿晓利,邓添文,罗桦锋,许佳惠.基于用户协同过滤算法的E-Learning平台个性化推荐研究[J].现代计算机.2019