期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
情景效应理论下的关系人推荐效果研究
1
作者 陈建 梁涛 《商业时代》 北大核心 2013年第32期46-48,共3页
前人研究证实消费者购买行为大多数是冲动性的;行为决策理论证实情境效应对消费者购买行为产生重要影响。本研究通过问卷调查和网络志分析,发现关系人的推荐对消费者购买决策的影响显著。因此,本文建议网店要加大力度对关系人展开营销攻... 前人研究证实消费者购买行为大多数是冲动性的;行为决策理论证实情境效应对消费者购买行为产生重要影响。本研究通过问卷调查和网络志分析,发现关系人的推荐对消费者购买决策的影响显著。因此,本文建议网店要加大力度对关系人展开营销攻势,充分利用关系人的影响实现营销目标。 展开更多
关键词 关系人 推荐效果 情景 效应理论 消费者决策行为
在线阅读 下载PDF
中稻“3414”施肥效果及推荐用量研究 被引量:29
2
作者 王伟妮 王亚艺 +5 位作者 姚忠清 鲁明星 姚善军 刘清荣 彭玉华 鲁剑巍 《湖北农业科学》 北大核心 2008年第12期1416-1419,共4页
在赤壁市利用"3414"试验设计布置中稻氮、磷、钾肥料效应试验。结果表明,中稻施用氮肥的效果最好,稻谷增产量最高达2 325 kg.hm-2,相应增产率为39.1%,纯增收入2 737.5元·hm-2;施用钾肥的增产量为777 kg·hm-2,增产率... 在赤壁市利用"3414"试验设计布置中稻氮、磷、钾肥料效应试验。结果表明,中稻施用氮肥的效果最好,稻谷增产量最高达2 325 kg.hm-2,相应增产率为39.1%,纯增收入2 737.5元·hm-2;施用钾肥的增产量为777 kg·hm-2,增产率为10.4%,纯增收入678.5元.hm-2;施用磷肥的增产量为400 kg·hm-2,增产率为5.1%,纯增收入288.8元·hm-2。通过拟合三元二次和一元二次肥效模型,确定中稻N、P2O5和K2O的最高产量施用量分别为169.8、84.5和163.7 kg·hm-2,最佳经济施用量分别为153.7、61.5和120.8 kg.hm-2。 展开更多
关键词 中稻 “3414”肥效试验 施肥效果:推荐施肥量
在线阅读 下载PDF
认同度修正下的近相邻改进推荐算法研究 被引量:2
3
作者 李剑锋 封林慧 于天一 《计算机工程与应用》 CSCD 北大核心 2022年第7期116-121,共6页
如何融合多方因素准确地为用户提供个性化产品一直是关注的热点问题,由此,一个新的近相邻改进算法融入了大众化认同度和个性化认同度,利于更加高效地挖掘隐藏信息。实验结果表明,相对于传统近相邻算法,认同度修正算法虽然查全率小幅度... 如何融合多方因素准确地为用户提供个性化产品一直是关注的热点问题,由此,一个新的近相邻改进算法融入了大众化认同度和个性化认同度,利于更加高效地挖掘隐藏信息。实验结果表明,相对于传统近相邻算法,认同度修正算法虽然查全率小幅度上下波动,但其他多个评价指标都得到极大提升,假正率和深度有所减少,查准率、F1值和提升度得以增加,并且,受试者特征曲线和提升曲线也都说明此修正算法具有更为显著的推荐效果。 展开更多
关键词 推荐算法 认同度 近相邻算法 电影推荐 推荐效果
在线阅读 下载PDF
基于离散量和用户兴趣贴近度的协同过滤推荐算法 被引量:13
4
作者 贾伟洋 李书琴 +1 位作者 李昕宇 刘斌 《计算机工程》 CAS CSCD 北大核心 2018年第1期226-232,237,共8页
针对传统协同过滤算法在计算用户相似度过程中,由于数据稀疏性导致的无法计算、失真、虚高等问题,提出一种融合离散量和兴趣贴近度的相似度度量方法。收集用户对项目的评分数据,从全信息量角度进行分析,通过引入离散量相关理论进行用户... 针对传统协同过滤算法在计算用户相似度过程中,由于数据稀疏性导致的无法计算、失真、虚高等问题,提出一种融合离散量和兴趣贴近度的相似度度量方法。收集用户对项目的评分数据,从全信息量角度进行分析,通过引入离散量相关理论进行用户评分向量间的相似度计算,对评分相似的用户进行初步筛选,利用用户兴趣贴近度对相似度结果进行进一步加权处理,得到融合用户兴趣偏好信息的相似度结果,以此为基础,采用协同过滤算法进行个性化推荐。实验结果表明,该算法可有效提高信息推荐系统的推荐质量,在数据极端稀疏的情况下也能保持较好的性能。 展开更多
关键词 协同过滤 相似度计算 数据稀疏性 离散量 推荐效果
在线阅读 下载PDF
基于改进型启发式相似度模型的协同过滤推荐方法 被引量:3
5
作者 张南 林晓勇 史晟辉 《计算机应用》 CSCD 北大核心 2016年第8期2246-2251,2281,共7页
为提高协同过滤推荐方法的准确性和有效性,提出一种基于改进型启发式相似度模型的协同过滤推荐方法 PSJ。该方法考虑了用户评分差值、用户全局评分偏好和用户共同评分物品数三个因素。PSJ方法的Proximity因子使用指数函数反映用户评分... 为提高协同过滤推荐方法的准确性和有效性,提出一种基于改进型启发式相似度模型的协同过滤推荐方法 PSJ。该方法考虑了用户评分差值、用户全局评分偏好和用户共同评分物品数三个因素。PSJ方法的Proximity因子使用指数函数反映用户评分差值对用户相似度的影响,这样也可避免零除问题;将NHSM方法中的Significance因子和URP因子合并成PSJ方法的Significance因子,这使得PSJ方法的计算复杂度低于NHSM方法;而且为了提高在数据稀疏情况下的推荐效果,PSJ方法同时考虑了用户间的评分差值和用户全局评分两个因素。实验采用Top-k推荐中的查准率和查全率作为衡量标准。实验结果表明,当推荐物品数大于20时,与NHSM、杰卡尔德算法、自适应余弦相似度(ACOS)算法、杰卡尔德均方差(JMSD)算法和皮尔逊相关系数算法(SPCC)相比,PSJ方法的查准率与查全率均有提升。 展开更多
关键词 协同过滤推荐方法 启发式相似度模型 用户相似度 推荐效果 数据稀疏
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部