-
题名基于情景大数据的图书馆个性化服务推荐系统研究
被引量：40
- 1
-
-
作者
马晓亭
-
机构
兰州财经大学信息工程学院
-
出处
《现代情报》
CSSCI
北大核心
2016年第4期90-94,共5页
-
文摘
大数据时代,图书馆个性化服务面临着诸如数据海量、种类繁多、快速增长、价值巨大的严峻的挑战。本文在描述大数据背景及其特点的基础上,研究了基于情景大数据的图书馆个性化服务推荐系统。该系统将读者的情景大数据引入个性化服务推荐过程,可以全面、及时、准确地评估读者需求,并根据读者的爱好实时、主动地推荐服务。
-
关键词
情景大数据
图书馆
个性化
服务推荐系统
-
Keywords
contextual big data
library
personalization
service recommendation system
-
分类号
G250.76
[文化科学—图书馆学]
-
-
题名基于云‒端融合的个性化推荐服务系统
被引量：2
- 2
-
-
作者
韩佳良
韩宇栋
刘譞哲
赵耀帅
冯迪
-
机构
高可信软件技术教育部重点实验室(北京大学)
中国民航信息网络股份有限公司
中国民用航空局民航旅客服务智能化应用技术重点实验室
-
出处
《计算机应用》
CSCD
北大核心
2022年第11期3506-3512,共7页
-
基金
北大百度基金资助项目(2020BD007)。
-
文摘
主流个性化推荐服务系统通常利用部署在云端的模型进行推荐,因此需要将用户交互行为等隐私数据上传到云端,这会造成隐私泄露的隐患。为了保护用户隐私,可以在客户端处理用户敏感数据,然而,客户端存在通信瓶颈和计算资源瓶颈。针对上述挑战,设计了一个基于云‒端融合的个性化推荐服务系统。该系统将传统的云端推荐模型拆分成用户表征模型和排序模型,在云端预训练用户表征模型后,将其部署到客户端,排序模型则部署到云端;同时,采用小规模的循环神经网络(RNN)抽取用户交互日志中的时序信息来训练用户表征,并通过Lasso算法对用户表征进行压缩,从而在降低云端和客户端之间的通信量以及客户端的计算开销的同时防止推荐准确率的下跌。基于RecSys Challenge 2015数据集进行了实验,结果表明,所设计系统的推荐准确率和GRU4REC模型相当,而压缩后的用户表征体积仅为压缩前的34.8%,计算开销较低。
-
关键词
个性化推荐服务系统
云‒端融合
用户表征模型
隐私保护
循环神经网络
-
Keywords
personalized recommendation service system
cloud-client-convergence
user representation model
privacy-preserving
Recurrent Neural Network(RNN)
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
