导读:本文包含了智能推荐技术论文开题报告文献综述及选题提纲参考文献，主要关键词:人脸识别,人脸特征,匿名秘钥,智能推荐
智能推荐技术论文文献综述
戴闽鲁,李群涛,雷国平[1]（2019）在《基于人脸识别技术的智能推荐系统设计》一文中研究指出目前依赖用户消费行为痕迹的解决方案,需要与用户身份进行绑定,导致了隐私问题的出现。而不记名会员卡的方式,虽然能够解决隐私问题,但是效率非常低下,同时也存在卡片不便于携带、易丢失、一卡多用等问题。随着消费升级的到来和信息技术的发展,如何更快速,更有效地提供最合适、最优质的服务,成为消费领域的一个制胜关键点。论文采用人脸特征作为匿名秘钥,存储用户的消费历史记录,能够在客户抵达商店时,迅速及时提供精准地消费推荐服务,能够极大地销售服务精准度、提升客户满意度、商家服务质量以及营业利润。(本文来源于《信息系统工程》期刊2019年11期）
杨欢[2]（2019）在《计量器具信息化平台构建技术及智能推荐算法研究》一文中研究指出计量是门研究测量的科学,随着社会的不断发展计量工作深入到工业、农业、商品贸易流通以及非常精细化的航天航空、现如今快速发展的人工智能等领域,随之而来的就是计量业务的不断增长,计量领域的不断扩张。陕西省计量研究院虽然有自己的信息化平台但是处于半信息化半手工化阶段,软件平台的使用不够集成化,并且在业务开展中需要新模块的加入,因此需要一个信息化程度更高,功能更加完善的计量管理平台。除此之外,针对信息化平台的不断深入发展,推荐算法的研究也是必不可少。本文主要针对计量信息化平台构建及推荐算法进行研究。针对计量器具信息化平台的构建结合现有软硬件资源及用户需求分析,采用B/S结构体系进行设计,在.Net平台下利用ASP.Net技术进行开发,整体开发采用MVC设计模式实现前后端分离开发,使得业务逻辑更加清晰。前端采用了MiniUI、bootstrap等技术,后台API通过和数据库交互进行数据存储与提取。系统的主要构成有仪器收发模块、证书制作模块、质量管理模块、打印收费模块、强检器具监管模块、仓架管理模块,包含了计量信息化平台所需的所有业务。目前该信息化平台已经经过测试正式上线使用,实际证明本平台能够在平稳运行的同时满足客户现下所需的功能,实现了完全信息化的办公模式,提高了办公效率。针对推荐算法主要进行了协同过滤算法、加权slope one算法以及改进预测评分矩阵的协同过滤算法研究。传统的协同过滤算法存在评分数据不全扩展使用性差等问题。基于线性回归分析的加权slope one算法在传统slope one算法中增加了一个评分基数,提高了算法的精度,并且算法的可扩展性强。而改进预测评分矩阵的协同过滤算法,首先使用加权slope one算法填充用户未进行评分的项目,然后结合协同过滤算法进行推荐。实验结果表明,在几种算法中使用改进预测评分矩阵的协同过滤算法精度最高,降低了推荐误差。(本文来源于《西安理工大学》期刊2019-06-30）
叶菁菁[3]（2019）在《综合协同过滤和文本相关性的法条智能推荐技术研究》一文中研究指出近年来,人工智能技术蓬勃发展,正在慢慢改变人们的生产生活方式。中国正致力于高质量发展,通过人工智能提升经济社会发展智能化水平,有效增强公共服务和城市管理能力。与此同时,最高人民法院也在大力推广“智慧法院”建设,旨在利用互联网、云计算、大数据、人工智能等前沿信息化技术,进一步提高审判系统的智能化水平。法条推荐技术是智能审判的重要组成部分,因为法条是案件审判结果的依据。如果能正确地预测法条,那么就能在某种程度上预知案件审判的走向。此外,参与法律案件的各个角色都能从法条推荐中获益。它可以帮助法官更高效地处理案件;它也可以帮助律师找到更有力的论点来更好地为当事人进行辩护;对于缺乏法律知识的案件当事人,如果没有专业人士的帮助,他们很难得知是否存在合适的法条来维护他们的权益,而从律所咨询需要大量的时间和金钱,一个能够正确预测法条的系统能够解决他们的难题。通过分析案件信息与法条间的关系,本文提出了一种综合协同过滤和文本相关性的法条智能推荐技术。为了供没有法律背景的人使用,本方法选取当事人用自然语言描述的案件基本情况作为输入,适用案件的法条作为输出。本方法主要由六个步骤组成,具体为法条库搭建、案件库导入、相似案件查询、备选法条集获取、文本相关性度量和添加伴随引用。法条库搭建包括从川大法合数据库中导入常见法条和从裁判文书中提取冷僻法条。案件库导入是指从裁判文书中提取案号、当事人诉称、法条引用情况等有效信息,并丢弃关键信息缺失或有误的裁判文书,然后对当事人诉称进行文本预处理,对法条名称进行规范化,并关联到法条库中的法条信息。相似案件查询利用了协同过滤的思想,先使用LDA主题模型对当事人诉称进行向量化表示,获取案件的主要特征,然后通过球树算法计算特征间的欧几里得距离得到最相似的m个历史案件。备选法条集获取是将相似历史案件的引用法条通过公式计算分数,重新排序后,挑选出前n个作为备选法条集,来达到协同过滤缩小法条范围的目的。文本相关性度量是将当事人诉称和备选法条集中的法条内容通过自定义的CNN模型一一进行文本相关性匹配,获得文本相关分数,然后再加上备选法条集的位置信息一起输入逻辑回归模型中进行预测,预测为相关的,则作为推荐结果输出;预测为无关的,则直接丢弃。添加伴随引用是指通过Apriori算法分析法条引用的组合信息,找出经常一起出现的法条集合,对已有推荐结果进行扩展。本文提出的法条推荐技术通过协同过滤缩小了备选法条的范围,解决了法条数目过多导致模型训练困难的问题。本方法还具有可扩展性强的优点,可以适用于新发布的法条而无需对模型结构进行改动。本方法还增加了法条内容作为新的输入,通过文本相关性匹配有效地提高了法条推荐的准确率。并且本方法所使用的各类特征都是由机器自动提取的,无需人为辅助。与传统的、以法条作为类别的多分类方法不同,本方法不存在样本分配不均导致的类别偏倚问题,并可以针对不同的案件推荐不同个数的法条,而不是固定选取前k个。最后,本文进行了一系列的实验,与其他常规文本推荐方法进行对比,证明了本方法在法条智能推荐上的适用性,并分析了这些方法的优缺点,叙述了进一步改进的方向。(本文来源于《南京大学》期刊2019-05-23）
刘伟,徐文峰[4]（2019）在《基于机器学习的智能推荐技术在变压器选型中的应用》一文中研究指出当前,电力设备选型主要依靠一些有经验的工程师根据其经验和国家标准来确定,然而在经验和标准都难以依靠的时候,可能会直接选择最昂贵或配置最顶级的设备,因此导致某种程度的资源浪费。文章基于大数据技术,运用随机森林算法对历史数据进行多元分类得到推荐模型,进而对电力设备选型给出智能推荐。基于本文形成的推荐模型准确率可达到75%以上,没有经验的相关人员也可以借助此模型进行设备选型,能够减少人力投入和对经验的过度依赖,且可以得到比经验选型更准确的结果,最终达到电力设备精细化管理的目标。(本文来源于《电力信息与通信技术》期刊2019年05期）
王中伟,裘杭萍,孙毅,寇大磊[5]（2019）在《面向军事信息服务的智能推荐技术》一文中研究指出信息技术的飞速发展带来了信息爆炸问题,为有效解决军事信息的精准服务问题,首先分析了军内外目前可行解决方法,分别从用户建模技术、对象建模技术和推荐算法方面进行了详细的可行性技术分析。针对军事用户的特点,提出了一种基于ISM(Interpretative Structural Modeling Method)方法的军事文本信息智能推荐技术。并采用分层思想,对推荐系统进行了架构设计。最后,以美军"沙漠风暴"军事文本内容推荐为例,构建了军事用户角色的特征层次模型,实现了情报信息的智能推荐,解决了新用户推荐的"冷启动"问题。实验结果验证了提出的智能推荐算法,同时表明,面向军事信息服务的智能推荐技术具有很广阔的应用前景和现实意义。(本文来源于《指挥控制与仿真》期刊2019年04期）
符明晟[6]（2019）在《基于深度学习的智能推荐技术研究》一文中研究指出目前,推荐系统已经得到了广泛地运用,推荐系统不仅可以改善用户检索信息的体验,还可以为企业带来巨大的商业价值。在各种各样的推荐系统中基于协同过滤的方法是最为主流的方法,它本质上是通过用户的历史交互进行推荐。近年来,基于机器学习方法的模型被广泛使用。尽管传统的机器学习方法已经在推荐系统中取得了巨大的成功,但是依然存在以下问题,模型的表述能力;预测的解释性;冷启动问题以及模型的静态性。与传统的机器学习方法相比,最近涌现的深度学习技术具有以下优点:处理更复杂的非线性关系;从原始数据中自动地逐层提取特征;很好的通用性以及适用于大规模的数据。深度学习具有种种优点,并在不同领域取得了巨大成果。因此,本文的研究将聚焦于推荐系统中基于深度学习协同过滤模型的研究,并针对以上深度学习下推荐系统研究中依然存在问题提出一系列有效的解决方案。具体来说,本文的主要研究内容和创新成果包括:(1)针对评分预测问题,提出一种基于深度神经网络的协同过滤。现有的基于CF的方法只能掌握单一类型的关系,例如,它明显地抓住了用户-用户或项目-项目关系的相关性。另一方面,矩阵分解明确地捕获它们之间的相互作用。为了克服传统的基于CF的方法中的这些缺陷,提出了一种新的深度学习方法,其通过预先理解用户和产品来进行有效的智能推荐。在初始阶段,分别学习用户和项目的相应的低维嵌入向量,其捕获反映用户-用户和项目-项目相关性的语义信息。在预测阶段期间,采用前馈神经网络来模拟用户和物品之间的相互作用,其中相应的预训练的代表性矢量被作为神经网络的输入。基于两个基准数据集进行了几次实验,以验证所提方法的有效性,结果表明我们的模型优于以前使用前馈神经网络的方法,并且跟之前最先进的方法在预测精度上具有很大的可比性。(2)针对评分预测,提出一种基于注意力的协同过滤模型。基于邻域的协同过滤是推荐系统中具有高度重要性的方法,其具有简单性和合理性的优点。然而,与基于模型的协同过滤系统相比,最近由于其低预测精度而受到较少的普及,但是基于模型的方法也存在值得关注的缺点,即它们不能有效地解释其估计背后的原因。为了研究一种同时具有高精度和合理性的系统,本文提出了一种基于邻域的协同过滤方法,该方法受到注意机制的启发,可以自适应地找到用户历史中的预测的邻域项,然后基于这些关系进行估计。且该方法不需要事先给出关于产品相关性的任何预定义的函数。通过进行几个基准测试的实验以验证所提出的方法的性能,并且结果表明该方法除了能够证明所获得的预测精度可以击败所有先前的方法,并且可以保持一定的预测解释性。(3)针对Top-N推荐问题,提出一种基于深度强化学习的协同过滤模型。推荐的本质是一个连续的决策过程。然而,大多数现有的推荐系统采用静态视角,因此,它们存在用户冷启动和对用户兴趣的改变无法适应性的问题。为克服这些问题,本文提出了一种基于深度强化学习的新型Top-N交互式推荐系统。在该模型中,推荐过程被视为马尔可夫决策过程,其中由于其时序的性质,使用递归神经网络来模拟推荐智能体和环境之间的交互。此外,为了最大化长期推荐准确性,采用强化学习来优化这些模型。实验结果表明,该模型在准确性方面明显优于基准方法,并能够有效解决了用户冷启动和用户的兴趣变迁问题。(本文来源于《电子科技大学》期刊2019-03-15）
王炎[7]（2019）在《数据挖掘技术下的个性化智能推荐系统设计》一文中研究指出随着互联网技术的发展,人们逐渐重视推荐引擎在互联网应用中的作用。网络用户在不断增加,所以,仅依靠搜索功能很难满足大量人群的需求。对数据挖掘技术下的个性化智能推荐系统进行分析设计和分析,通过数据挖掘技术来分析用户的喜好信息,找到用户潜在的需求信息。在个人信息自我学习技术与个性化特征分析技术的作用下,通过关联规则与交易记录规则实现对用户需求信息的推荐。(本文来源于《微型电脑应用》期刊2019年02期）
薛子育,席岩,郭沛宇,刘庆同,陆忠强[8]（2019）在《跨媒体智能推荐技术研究》一文中研究指出在当前大数据时代,大量的信息在互联网上传播。在最合适的时间,将合适的信息传递给合适的用户成为网络搜索、广告投放、内容推荐的重点研究内容。随着人工智能技术的发展,智能推荐以投放准确度高、模型时效性强、人工成本低等优势而迅速代替传统推荐方法。本文介绍和对比了机器学习和深度学习方法在跨媒体智能推荐技术中的应用。提出了跨媒体智能推荐系统框架,实现了对内容的精准和快速推荐。(本文来源于《电视技术》期刊2019年03期）
胡光永,韦鹏飞[9]（2018）在《基于智能推荐的学习空间大数据处理技术架构设计研究（英文）》一文中研究指出为了满足高校网络学习空间个性化的需求,提出了一种大型网络教学平台架构的设计方案。针对重点关注系统的开放性、智慧性、立体性、社会性、整合性等部分的设计,提出开放式学习资源的采集,开放式学习资源的智能组织、智能推荐等核心子架构的相关实现技术与体系,并在现有开源软件系统的基础上搭建了一个低成本、高可用、高并发、高可扩的通用架构。(本文来源于《机床与液压》期刊2018年24期）
喻国明,耿晓梦[10]（2018）在《智能算法推荐:工具理性与价值适切——从技术逻辑的人文反思到价值适切的优化之道》一文中研究指出智能算法型内容分发是应对内容超载危机、实现内容市场供需适配的必然选择。本文从工具理性和价值适切双重角度对智能算法推荐进行了认识论上的阐释,作为面对新时代格局的资源配置新范式,智能算法推荐依循"海量内容—用户需求—多维场景"适配的基础逻辑。其与社会、人文价值的适配则需要针对不同的内容需求市场进行具体讨论,这些适配过程既需要硬性管制力量的介入,又需要充分发挥平台自律、用户自觉等软性力量。最后,根据智能技术发展的现实境况与可能前景,研究者提出了应对技术伦理风险的若干策略。(本文来源于《全球传媒学刊》期刊2018年04期）
智能推荐技术论文开题报告
（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：
计量是门研究测量的科学,随着社会的不断发展计量工作深入到工业、农业、商品贸易流通以及非常精细化的航天航空、现如今快速发展的人工智能等领域,随之而来的就是计量业务的不断增长,计量领域的不断扩张。陕西省计量研究院虽然有自己的信息化平台但是处于半信息化半手工化阶段,软件平台的使用不够集成化,并且在业务开展中需要新模块的加入,因此需要一个信息化程度更高,功能更加完善的计量管理平台。除此之外,针对信息化平台的不断深入发展,推荐算法的研究也是必不可少。本文主要针对计量信息化平台构建及推荐算法进行研究。针对计量器具信息化平台的构建结合现有软硬件资源及用户需求分析,采用B/S结构体系进行设计,在.Net平台下利用ASP.Net技术进行开发,整体开发采用MVC设计模式实现前后端分离开发,使得业务逻辑更加清晰。前端采用了MiniUI、bootstrap等技术,后台API通过和数据库交互进行数据存储与提取。系统的主要构成有仪器收发模块、证书制作模块、质量管理模块、打印收费模块、强检器具监管模块、仓架管理模块,包含了计量信息化平台所需的所有业务。目前该信息化平台已经经过测试正式上线使用,实际证明本平台能够在平稳运行的同时满足客户现下所需的功能,实现了完全信息化的办公模式,提高了办公效率。针对推荐算法主要进行了协同过滤算法、加权slope one算法以及改进预测评分矩阵的协同过滤算法研究。传统的协同过滤算法存在评分数据不全扩展使用性差等问题。基于线性回归分析的加权slope one算法在传统slope one算法中增加了一个评分基数,提高了算法的精度,并且算法的可扩展性强。而改进预测评分矩阵的协同过滤算法,首先使用加权slope one算法填充用户未进行评分的项目,然后结合协同过滤算法进行推荐。实验结果表明,在几种算法中使用改进预测评分矩阵的协同过滤算法精度最高,降低了推荐误差。
（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。
智能推荐技术论文参考文献
[1].戴闽鲁,李群涛,雷国平.基于人脸识别技术的智能推荐系统设计[J].信息系统工程.2019
[2].杨欢.计量器具信息化平台构建技术及智能推荐算法研究[D].西安理工大学.2019
[3].叶菁菁.综合协同过滤和文本相关性的法条智能推荐技术研究[D].南京大学.2019
[4].刘伟,徐文峰.基于机器学习的智能推荐技术在变压器选型中的应用[J].电力信息与通信技术.2019
[5].王中伟,裘杭萍,孙毅,寇大磊.面向军事信息服务的智能推荐技术[J].指挥控制与仿真.2019
[6].符明晟.基于深度学习的智能推荐技术研究[D].电子科技大学.2019
[7].王炎.数据挖掘技术下的个性化智能推荐系统设计[J].微型电脑应用.2019
[8].薛子育,席岩,郭沛宇,刘庆同,陆忠强.跨媒体智能推荐技术研究[J].电视技术.2019
[9].胡光永,韦鹏飞.基于智能推荐的学习空间大数据处理技术架构设计研究（英文）[J].机床与液压.2018
[10].喻国明,耿晓梦.智能算法推荐:工具理性与价值适切——从技术逻辑的人文反思到价值适切的优化之道[J].全球传媒学刊.2018