[目的/意義]從用戶興趣建模、推薦機制、信息資源管理3方面闡述國內基于大數(shù)據(jù)的信息推薦核心內容研究進展。[方法/過程]文章用內容分析法歸納了263篇文獻內容,從用戶興趣建模、推薦機制、信息資源管理3方面闡述了國內基于大數(shù)據(jù)的信息推薦核心內容研究進展。[結果/結論]基于大數(shù)據(jù)的用戶興趣建模主要結合大數(shù)據(jù)技術改進傳統(tǒng)用戶興趣建模,包括模型表示、模型初始化和模型進化;基于大數(shù)據(jù)的推薦機制主要改進、混合傳統(tǒng)推薦機制并優(yōu)化推薦結果;基于大數(shù)據(jù)的信息資源管理包括數(shù)據(jù)采集、數(shù)據(jù)挖掘、數(shù)據(jù)表示、數(shù)據(jù)存儲和數(shù)據(jù)更新。

【文章頁數(shù)】：10 頁

【文章目錄】：
1 基于大數(shù)據(jù)的用戶興趣建模
    1.1 建模思路
    1.2 模型表示
    1.3 模型初始化
        1.3.1 數(shù)據(jù)采集
            1)采集來源
            2)采集類型
            3)采集內容
            4)采集方式
        1.3.2 數(shù)據(jù)處理
            1)數(shù)據(jù)預處理
            2)興趣度量化及優(yōu)化
    1.4 模型進化
2 基于大數(shù)據(jù)的信息推薦機制
    2.1 基于大數(shù)據(jù)的推薦機制并行化改進
        2.1.1 基于內容推薦
        2.1.2 協(xié)同過濾推薦
            1)基于內存協(xié)同過濾推薦
            2)基于模型協(xié)同過濾推薦
        2.1.3 情境化推薦
        2.1.4 社會化推薦
    2.2 基于大數(shù)據(jù)的推薦機制組合
    2.3 基于大數(shù)據(jù)的推薦結果優(yōu)化
3 基于大數(shù)據(jù)的信息資源管理
    3.1 數(shù)據(jù)采集
        3.1.1 采集來源
        3.1.2 采集類型
        3.1.3 采集內容
        3.1.4 采集方式
    3.2 數(shù)據(jù)挖掘
        3.2.1 聚類算法分類優(yōu)化
        3.2.2 聚類算法效果改進
    3.3 數(shù)據(jù)表示
        3.3.1 表示類型
        3.3.2 表示方法
    3.4 數(shù)據(jù)存儲
    3.5 數(shù)據(jù)更新
        3.5.1 更新方法
        3.5.2 更新方式
4 結束語



本文編號：3985609