freepeople性欧美熟妇, 色戒完整版无删减158分钟hd, 无码精品国产vα在线观看DVD, 丰满少妇伦精品无码专区在线观看,艾栗栗与纹身男宾馆3p50分钟,国产AV片在线观看,黑人与美女高潮,18岁女RAPPERDISSSUBS,国产手机在机看影片

正文內(nèi)容

個性化信息推薦服務模式-文庫吧資料

2024-08-21 23:23本頁面
  

【正文】 定信息資源整合的戰(zhàn)略目標與原則,并據(jù)此界定信息資源整合的組織戰(zhàn)略,組織層貝U根據(jù)組織的文化,結構,業(yè)務流程等特征確定符合組織個性化發(fā)展的技術策略,技術層負責信息資源整合的技術實現(xiàn)并對組織戰(zhàn)略調整提出建議.然而,在實際應用中,信息資源整合的推進是一個動態(tài)的過程,在整合推進過程中,要動態(tài)地跟蹤各層次的執(zhí)行情況,隨時調整各,每個整合系統(tǒng)都會因為具體實施環(huán)境的不同而各異,但是,在整合設計之前,均衡考慮各推進層次的影響因素,一方面使設計的整合系統(tǒng)更加符合組織的個性化需求,另一方面也使設計者和實施者盡可能全面地考慮信息資源整合實施過程中可能面臨的問題與困難.戰(zhàn)略層[==amp。之間的相似度L】.深入分析該抽象公式不難發(fā)現(xiàn),基于個體用戶的社會化推薦是在一個有限的用戶空間(相似的用戶)和內(nèi)容空間(被用戶評價的對象集合)中實現(xiàn)的,因而,未被用戶評價的或只被很少用戶評價的內(nèi)容對象不會被推薦,加上用戶評價動機,背景等因素的影響,研究者提出,社會化推薦必須與基于內(nèi)容的推薦技術結合使用,如案例擴展推薦,Top—NItem推薦,.另一類社會化推薦以特定用戶群為服務對象,這類推薦服務:rc.:C),)),其中,(Contentbasedprofile(Content(iCi表示用戶類,系統(tǒng)空間的內(nèi)容對象,ContentBasedProfile(C),Content(i)分別代表用戶類特征表示,個或某幾個用戶類,每一個用戶類都構成一個互動的信息空間,用戶模型,用戶群體模型均通過該信息空間里的交互信息產(chǎn)生.常見的形式有:預定義用戶類(如Polylens,LET39。表示與目標用戶同屬某個用戶類C的其它用戶,i表示被用戶/./39。自動聚類是社會化推薦應用的最為廣泛的一種方法,最近鄰居和聚類匹配是其中最常用的兩種技術,Grouplens,Ringo/FireFly,SmartRadio,Bell—coreVideo等采用的是最近鄰居算法,而Beehive,InfovilleXXI,以從兩個角度來分析:一是以個體用戶為目標用戶,二是以特定用戶群為目標用戶.大多數(shù)社會化推薦服務都是以個體用戶為目標對象的,其基本思想是利用具有相似興趣用戶的相關評價預測目標用戶(也有稱活動用戶)方面:用戶共性特征,即用戶共同評價的內(nèi)容對象,用于相似度比較。Webert同時(),Content(i)之間的匹配技術大多采用余弦相似度計算和關鍵詞匹配,貝葉斯網(wǎng)絡,決策樹,基于案例的推理,關聯(lián)規(guī)則等人工智能技術也越來越多地被用于匹配計算.用戶通過注冊等方式提交個人興趣描述(通常以關鍵詞的形式出現(xiàn)),人口統(tǒng)計學數(shù)據(jù)和希望獲得的服務,系統(tǒng)通過電子郵件或定制的頻道將相關服務定期或不定期地推送給用戶,這是一種典型的基于個體用戶的定向推薦模式,即所謂的定制模式,或稱.,MyLibrary,Mygoag[e,Myyahoo,MyDlib,Mytopic,MyPortal等需要用戶身份驗證登錄的個性化服務,傳統(tǒng)的定制服務存在很大的缺陷:基于用戶自我管理的用戶模型往往不能準確地,出現(xiàn)了基于推理的個性化推薦模式和自適應的個性化推薦模式.基于推理的個性化推薦將根據(jù)用戶興趣描述生成的用戶文檔以及根據(jù)人口統(tǒng)計學數(shù)據(jù)和訓J練集生成的用戶文檔視為初始模板或原型模板,利用用戶的相關反饋信息學習和推理用戶的興,顯式反饋信息和隱式反饋信息等都可以作為學習圃和推理的輸入信息源,可以只使用某一類反饋信息,也可以是多種反饋信息組合使用,使用何種反饋信息,如何組合取決于具體,更新用戶模型是一種有效的實現(xiàn)個性化推薦的方法,因為它在為用戶提供自我管理的個性化信息空間和存儲空間的同時,也為系統(tǒng)發(fā)現(xiàn)用戶興趣,例的推理技術的發(fā)展為此類推薦應用提供了強大的技術基礎.如Entree,Quickstep,Foxtrot等基于知識的推薦系統(tǒng),這些系統(tǒng)利用本體論和基于案例推理的技術為用戶提供準確的,高質量的推薦.用戶總是期望以最小的努力獲得最大的回報,因此,個性化推薦的智能化程度越高越能滿足用戶的期望,自適應個性化推薦掘和利用用戶與系統(tǒng)的交互信息,任務的重點在于利用各種反饋信息學習和推理用戶的興趣和偏缺點,的用戶lD和一個根據(jù)推薦任務構造的空用戶模板,或是初始用戶根據(jù)人口統(tǒng)計學數(shù)據(jù)和訓l練集生成的原型模板,進而通過跟蹤和監(jiān)測用戶與系統(tǒng)的交互活動生成或更新用戶模型,無需用戶過多的參與,Letiz
點擊復制文檔內(nèi)容
環(huán)評公示相關推薦
文庫吧 www.dybbs8.com
備案圖鄂ICP備17016276號-1