【摘要】随着Web2.0时代的兴起,互联网上的用户和商品呈现了爆炸式的增长态势,互联网的快速渗透带来了海量的数据信息,而海量数据的产生使得用户无法在短时间内准确及时地获取所需的信息,信息过载现象愈发严重。在此背景下,推荐系统应运而生。推荐系统通过研究用户的兴趣偏好,进行个性化的计算,由系统发现用户的兴趣点,进而有选择地进行信息推送,引导用户的信息需求。由于推荐系统能够有效地解决信息过载问题,因而其 […]

【摘要】随着Web2.0时代的到来，Web服务相关技术的快速发展，不同的服务供应商在Internet上为用户提供越来越多功能相同或相似的Web服务，使得用户不得不需要花费大量的时间和精力来寻找满足自己需求的Web服务，即使用户找到了满足自己功能需求的Web服务，也不能保证其具有较好的服务质量(QualityofService,QoS)。因此，从大量具有相同或相似功能的候选服务中选择满足用户需求并且 […]

【摘要】推荐系统是解决信息过载最为有效的工具之一，主动向用户准确地推荐他们可能感兴趣的信息或服务是推荐系统的主要任务，协同过滤是被普遍应用而有效的推荐算法之一，然而却面临着数据稀疏以及冷启动等问题，将会严重影响推荐的质量。解决这些问题的潜在有效方式就是充分利用社会网络信息。随着Web2.0技术的飞速发展，除了能得到用户对物品的评分信息之外，通过众多的社会网络服务平台，用户产生的社会信息比以往更易取 […]

【摘要】随着信息技术和互联网的迅猛发展,人们进入了信息超载的时代。推荐系统是一个解决信息超载问题的有效工具,它根据用户的历史行为等记录,对用户的兴趣进行建模,然后利用创建的用户兴趣模型进行个性化推荐,把用户感兴趣的信息、产品等推荐给用户。协同过滤是推荐系统中采用最为广泛也是最为成功的推荐技术。针对协同过滤技术效果依赖于一个精确的相似度测度方法且其可伸缩性较差,不能处理大数据的问题,本文提出基于项目 […]