• 2014-08-28 00:01:46,本站原创
    随着我国互联网的高速发展,尤其是电子商务的急速膨胀,信息过载问题急需解决,而推荐系统是解决该问题的有效途径。个性化推荐系统通过收集用户的资料,预测用户可能感兴趣的商品,做出个性化的推荐服务,具有良好的发展前景。
  • 2014-08-27 23:58:55,本站原创
    随着市场竞争的日益激烈,维修售后服务成为了企业的重要竞争能力之一。然而由于产品故障的不确定性使得备件需求难于预测,维修备件越来越多使得备件库存维护成本不断增加。这些问题使得维修企业面临的负担加重。因此针对产品的备件需求问题,本文利用某设备生产企业的维修数据记录,基于数据挖掘技术对不同型号的手机常见故障进行分析,从而为公司的设备储藏提供意见。
  • 2014-08-27 20:25:56,本站原创
    智能交通系统(ITS)已经被科学家认为是解决当前城市交通问题最有效的方法,也是目前和未来交通发展的主流方向。ITS的前提是获得交通道路的实时信息,比如车流量等。本文研究ITS中基于视频检测技术的车流量统计方法,对所涉及的运动目标检测、背景提取、阴影去除以及车辆统计等核心技术进行了代码实现。
  • 2014-08-27 20:22:36,本站原创
    随着互联网的普及,网络资源不断丰富,用户经常会迷失在大量的商品信息空间中,无法找到自己需要的商品。协同过滤算法应运而生,帮助顾客更好地选择商品。本文分析了基于用户的最近邻推荐算法、基于物品的最近邻推荐算法和slope one 算法的性能优劣,并在此基础上使用Python的PP模块进行并行编程提高算法速度,同时也探讨了矩阵分解技术SVD对推荐算法的影响,最后用GUI设计实现推荐系统的核心构建。
  • 2014-08-27 20:20:40,本站原创
    随着互联网技术的迅猛发展,人们逐渐走入了信息过载的时代。面对大量的信息,我们都显得有些无所适从。作为信息需求者,从大量信息中找到自己感兴趣的信息往往是一件非常困难的事情;而对于信息提供者,让自己的信息脱颖而出,受到大家的关注,也是一件非常困难的事情。推荐系统就是解决这一矛盾的重要工具。推荐系统通过建立用户和信息产品之间的关系,利用已有的选择过程或相似性关系,一方面挖掘用户潜在感兴趣的信息,另一方面让信息能够展现在对它感兴趣的用户面前。
  • 2014-08-27 20:16:42,本站原创
    随着电子商务的高速发展和普及应用,个性化推荐的推荐系统已成为一个重要研究领域。个性化推荐算法是推荐系统中最核心的技术,在很大程度上决定了电子商务推荐系统性能的优劣。协同过滤是应用最为广泛的一种个性化推荐技术。协同过滤主要分为基于用户的协同过滤和基于项目的协同过滤。
  • 2014-08-27 20:12:55,本站原创
    网络舆情事件处理不当,会引发用户的过激行为。因此通过事件找出有关用户就可以起到一定的监督作用。本文先对用户提供的数据(用户信息和事件)进行预处理,对于用户信息,处理身份证号,还原成:性别,发证地,出生年月日,然后重复事件去除,用replace pioneer软件对html文件查找含QQ,手机,作者等关键字,然后手动添加进excel里。对txt文件中的事件标题进行中文分词处理。接着抽取含有用户信息各属性的事件,转化为“用户-事件-用户”的形式,运用clementine软件,分析表的置信度和网络图直观性,得出
  • 2014-08-27 20:08:21,本站原创
    随着互联网的迅速发展,网络舆情对政治秩序秩序与社会稳定有着非比寻常的作用,因此挖掘网络用户信息与网络舆情信息的关联度的过程意义重大。编制java语言,在关键词词频统计的基础上,给予用户信息中的关键词赋予比重不同的权重,实现在网络舆情资料库中对web信息提取与关键词提取的功能。将用户信息中的关键词转化为向量A,向量的分量为对应的关键词的权重,同时使用二值法将网络舆情信息库中的网页转为向量B,向量的分量为对应关键词的出现与否,将向量B中的各分量分别乘于相应的权重值,得向量C。求向量A与向量C的余弦值并由此构建
  • 2014-08-27 17:31:29,本站原创
    网络舆情信息的挖掘和监控,有助于维护社会稳定。为了分析给定用户与舆情资源的关联度,首先采用主成分分析法(AHP)获得用户的各属性与用户之间的关联规则。接着对给定的舆情文档进行预处理和中文分词,在此基础上,将用户各属性定义为关键词,采用TF*IDF法,遍历舆情文档计算关键词权重。再对各舆情文档建立得分模型。
公众号
返回
顶部
请关注“官方公众号”
Copyright © 2013-2020   广东泰迪智能科技股份有限公司   技术支持   粤ICP备14098620号