国内基于大数据的信息推荐研究进展:核心内容

发布时间：2024-06-01 08:06

　　[目的/意义]从用户兴趣建模、推荐机制、信息资源管理3方面阐述国内基于大数据的信息推荐核心内容研究进展。[方法/过程]文章用内容分析法归纳了263篇文献内容,从用户兴趣建模、推荐机制、信息资源管理3方面阐述了国内基于大数据的信息推荐核心内容研究进展。[结果/结论]基于大数据的用户兴趣建模主要结合大数据技术改进传统用户兴趣建模,包括模型表示、模型初始化和模型进化;基于大数据的推荐机制主要改进、混合传统推荐机制并优化推荐结果;基于大数据的信息资源管理包括数据采集、数据挖掘、数据表示、数据存储和数据更新。

【文章页数】：10 页

【文章目录】：
1 基于大数据的用户兴趣建模
    1.1 建模思路
    1.2 模型表示
    1.3 模型初始化
        1.3.1 数据采集
            1)采集来源
            2)采集类型
            3)采集内容
            4)采集方式
        1.3.2 数据处理
            1)数据预处理
            2)兴趣度量化及优化
    1.4 模型进化
2 基于大数据的信息推荐机制
    2.1 基于大数据的推荐机制并行化改进
        2.1.1 基于内容推荐
        2.1.2 协同过滤推荐
            1)基于内存协同过滤推荐
            2)基于模型协同过滤推荐
        2.1.3 情境化推荐
        2.1.4 社会化推荐
    2.2 基于大数据的推荐机制组合
    2.3 基于大数据的推荐结果优化
3 基于大数据的信息资源管理
    3.1 数据采集
        3.1.1 采集来源
        3.1.2 采集类型
        3.1.3 采集内容
        3.1.4 采集方式
    3.2 数据挖掘
        3.2.1 聚类算法分类优化
        3.2.2 聚类算法效果改进
    3.3 数据表示
        3.3.1 表示类型
        3.3.2 表示方法
    3.4 数据存储
    3.5 数据更新
        3.5.1 更新方法
        3.5.2 更新方式
4 结束语



本文编号：3985609