推薦系統范文10篇

*同志，男，**歲，大專文化程度，****年**月參加工作，先后擔任過營業員、分揀員、綜合員、東局郵電局局長、郵政局經營部副主任等職，郵電分營后任***市郵政局報刊發投公司經理、儲匯分局局長，***年元月任****區局長，2004年6月至今任經營服務部主任。

該同志具有較高的政治素質，扎實的理論功底，又有較豐富的實踐經驗，業務能力很強。從事郵電工作17年來，無論在哪個崗位上工作，都能做到敬業愛崗、認真鉆研、勇于創新，工作成績都十分突出。其主要表現有：

一、****年至****年任儲匯分局局長的三年期間，郵儲余額增長了**個億，刷新了株洲郵儲業務發展的最高紀錄；同時，他還致力于郵儲中間業務的發展，通過制定一系列中間業務發展的激勵措施，讓株洲郵儲中間業務步入了良性快速發展的軌道。****年郵儲網點代收話費達到了***個億，市場占有率由原來的22%上升到30%；***年保險業務***萬元，取得了我局保險以來最好業績。

二、***元月開始任***區局區局長，上任伊始，他針對區局業務發展確定了“一月一突破”，所有業務“均衡發展”的經營模式。其郵儲業務從元月開始，增長速度一直處于“領跑者”地位，同時其它重點業務的發展也齊頭并進。他重點抓好了窗口營銷的“三個轉變”，即普包轉快包、掛號轉特快、普通匯款轉新業務匯款，取得了很好成效。其電子匯兌新業務占比達到80.58%,所轄的火車站支局新業務比重高達99.3%，區局僅此一項每月增收7.73萬元，快包占比屆提高了近40個百分點，每月增收4萬元，我局把***區局成功經驗和現形做法在全區進行了推廣，其他區局和縣局紛紛借鑒，使我局2004年匯兌業務在開發張數和開發金額都大幅下降的情況下，保持了收入與去年持平，包件業務在專項整治之后雖然業務量下降，業務收入也保持了持平。

三、2004年6月份該同志根據組織安排，離開已打下良好基礎的***局局長職務，到市場經營部任經營部主任。他更是利用自己擁有的專業知識和實際工作經驗，多次成功地策劃了業務營銷活動，取得了非常可觀的經濟效益，其中有多項營銷項目為我局業務發展史上首創。

（一）、籌備召開“產品說明會”，使我局的大客戶營銷工作踏上了一個新臺階。

*同志，男，**歲，大專文化程度，****年**月參加工作，先后擔任過營業員、分揀員、綜合員、東局郵電局局長、郵政局經營部副主任等職，郵電分營后任***市郵政局報刊發投公司經理、儲匯分局局長，***年元月任****區局長，20*年6月至今任經營服務部主任。該同志具有較高的政治素質，扎實的理論功底，又有較豐富的

實踐經驗，業務能力很強。從事郵電工作17年來，無論在哪個崗位上工作，都能做到敬業愛崗、認真鉆研、勇于創新，工作成績都十分突出。其主要表現有：

一、****年至****年任儲匯分局局長的三年期間，郵儲余額增長了**個億，刷新了株洲郵儲業務發展的最高紀錄；同時，他還致力于郵儲中間業務的發展，通過制定一系列中間業務發展的激勵措施，讓株洲郵儲中間業務步入了良性快速發展的軌道。****年郵儲網點代收話費達到了***個億，市場占有率由原來的22上升到30；***年保險業務***萬元，取得了我局保險以來最好業績。

二、***元月開始任***區局區局長，上任伊始，他針對區局業務發展確定了“一月一突破”，所有業務“均衡發展”的經營模式。其郵儲業務從元月開始，增長速度一直處于“領跑者”地位，同時其它重點業務的發展也齊頭并進。他重點抓好了窗口營銷的“三個轉變”，即普包轉快包、掛號轉特快、普通匯款轉新業務匯款，取得了很好成效。其電子匯兌新業務占比達到80.58,所轄的火車站支局新業務比重高達99.3，區局僅此一項每月增收7.73萬元，快包占比屆提高了近40個百分點，每月增收4萬元，我局把***區局成功經驗和現形做法在全區進行了推廣，其他區局和縣局紛紛借鑒，使我局20*年匯兌業務在開發張數和開發金額都大幅下降的情況下，保持了收入與去年持平，包件業務在專項整治之后雖然業務量下降，業務收入也保持了持平。

三、20*年6月份該同志根據組織安排，離開已打下良好基礎的***局局長職務，到市場經營部任經營部主任。他更是利用自己擁有的專業知識和實際工作經驗，多次成功地策劃了業務營銷活動，取得了非常可觀的經濟效益，其中有多項營銷項目為我局業務發展史上首創。

（一）、籌備召開“產品說明會”，使我局的大客戶營銷工作踏上了一個新臺階。

【摘要】現今家庭數字化已經是大勢所趨，網絡信息技術也已然融入到了我國的千家萬戶中，進而推進大數據時代的到來。在當今時代背景下，如何在海量的信息中為用戶篩選出具有個性化、智能化的數據不僅是當前推薦系統所要攻克的重要難題，實質也是其發展機遇。智能推薦系統興起不久，乃是一項新興科技，該類系統能夠智能化地分析用戶的個人信息、行為偏好與社會關系等因素，并有效為用戶推薦出合適的數據。鑒于此，本文將基于協同信息篩選技術，并結合個性化數據挖掘技術，構建研究一個智能推薦系統，相信對于智能推薦系統的進一步普及與發展具有一定積極作用。

【關鍵詞】智能推薦系統；個性化；數據挖掘；應用

互聯網技術的不斷發展與革新，致使數字化家庭這一概念已然成為現實。就當前而言，人們在運用互聯網技術進行觀影、購物以及看書等日常活動時，越來越希望各項app或網頁能夠為自身推薦具有個人偏好的信息。一般來說，智能推薦系統的成功運用是通過把不同用戶的個人信息或個人偏好與特殊的參數數據相比較，得出相對客觀的結論，進而預測用戶對于一些未接觸項目的喜好程度。這里所說的參數數據不是一個特定的元素，即可能是用戶所處的社會環境與社交關系，也可能是從用戶曾經接觸過的類似項目中得出。

1.系統構成

本文中所涉及的網絡影視智能推薦系統具有兩個重要目標，其一是能夠依據不同用戶的行為喜好，從海量的影視數據庫中篩選出適宜的影視推薦項目；其二是能夠實時、迅捷為用戶更新偏好信息。為了將這兩個目標變為現實，本文將構成一個三層應用處理的系統。即當系統收到用戶發出的請求時，系統接口就會迅速將用戶的請求發送至系統的中間層，隨后位于中間層的搜索引擎就會迅速作出反應，并根據用戶的各項偏好信息與自身影視媒體庫的內容進行分析處理，最后再把分析出的數據內容制定成推薦列表傳回給用戶。用戶在收到由智能推薦系統所推薦的影視數據時，可以通過點擊試看或預覽影視介紹等方式，決定是否采納觀看系統所推薦內容。只要用戶確定其所偏好的內容，系統就會利用自身的索引技術為用戶提供相應的影視資源[1]。總而言之，該系統主要由三子系統所組成。1.1管理員子系統。該子系統主要執行影視數據庫的資料進行實時更新、定期刪減與管理用戶信息等任務，進而保障該系統搜索引擎的時效性，使之能夠迅速完善參數設置，改善相應的關聯機制。1.2用戶信息處理子系統。該子系統主要管理用戶的個人信息檔案，例如用戶的民族、性別、職業、社交與年齡等等。除此之外，該系統還將管理個人用戶的交易信息，為用戶提供相應的注冊、充值與登錄等服務。1.3推薦子系統推薦子系統是管理關聯機制的重要力量，通過與其他子系統的相互配合，迅速為用戶推薦出具有個性化與智能化的影視推薦項目。該系統的構建是基于資料搜索技術的，并結合了不同用戶的交易信息與個人基礎信息庫。

2.系統方案

摘要：在生物信息學系統設計中引進推薦系統，提出具有個性化服務的生物信息學網站模型，完成生物信息學推薦系統的設計和實現，體現出推薦系統在生物信息學中使用的必要性和優越性。

關鍵詞：推薦系統；生物信息學

推薦系統(RecommenderSystem)[1]是個性化信息服務的主要技術之一，它實現的是“信息找人，按需服務”；通過對用戶信息需要、興趣愛好和訪問歷史等的收集分析，建立用戶模型，并將用戶模型應用于網上信息的過濾和排序，從而為用戶提供感興趣的資源和信息。生物信息學(Bioinformatics)[2,3]是由生物學、應用數學和計算機科學相互交叉所形成的一門新型學科；其實質是利用信息科學的方法和技術來解決生物學問題。20世紀末生物信息學迅速發展，在信息的數量和質量上都極大地豐富了生物科學的數據資源，而數據資源的急劇膨脹需要尋求一種科學而有力的工具來組織它們，基于生物信息學的二次數據庫[4]能比較好地規范生物數據的分類與組織，但是用戶無法從大量的生物數據中尋求自己感興趣的部分（著名的生物信息學網站NCBI(美國國立生物技術信息中心)，僅僅是小孢子蟲(Microsporidia)的DNA序列就達3399種），因此在生物二次數據庫上建立個性化推薦系統，能使用戶快速找到自己感興趣的生物信息。特別是在當前生物信息數據量急劇增長的情況下，生物信息學推薦系統將發揮強大的優勢。

1推薦系統的工作流程

應用在不同領域的推薦系統，其體系結構也不完全相同。一般而言，推薦系統的工作流程[5]如圖1所示。

(1)信息獲取。推薦系統工作的基礎是用戶信息。用戶信息包括用戶輸入的關鍵詞、項目的有關屬性、用戶對項目的文本評價或等級評價及用戶的行為特征等，所有這些信息均可以作為形成推薦的依據。信息獲取有兩種類型[6]，即顯式獲取(Explicit)和隱式獲取(Implicit)，由于用戶的很多行為都能暗示用戶的喜好，因此隱式獲取信息的準確性比顯式高一些。

摘要：現階段，大數據技術被廣泛應用到多個行業，尤其是大數據帶來的個性化推薦服務系統，在電子商務行業得到了普及并且取得了卓越成績。本文針對大數據背景下電子商務個性化推薦服務系統實施基礎工作進行了具體闡述，以期促進電子商務服務個性化與智能化的發展實踐。

關鍵詞：大數據;電子商務;個性化推薦

當前，電子商務在各個行業領域的廣泛應用，針對“基于大數據的個性化信息推薦的服務模式”也受到了學者的高度關注。電子商務類網站除了可以為用戶提供商品與服務，并且也增加了消費者在大量信息中快速、精準搜索到符合其要求的產品信息難度。在大數據技術應用中個性化信息推薦功能可以隨時、主動向用戶推薦其所需求的商品和服務，不僅充分滿足了用戶對個性化消費需求，還在電子商務網站增加其消費者粘性、提升其服務品質以及市場競爭力等方面有著積極推進作用。

相關基礎理論

大數據的定義。大數據，表示在新處理方法下可以使其決策能力、洞察外界環境變化能力和流程優化能力的大批量、高增長率等方面表現更佳，大數據在對大批量信息的獲取以及對這些數據進行重新分配中提高其應用效率，大數據的具體分類如表1所示。大數據的特征。大數據的特征可以總結為“4V”，具體為Volume、Variety、Value、Velocity。 Volume用來解釋數據規模較大，現有的數據規模級用PB來表示，而PB這一數據單位將會給其它更大的“單位”所取代，在這里面非結構化的數據會占有非常大的比例。Variety表述數據類型豐富，從閱讀的題目、圖片到消費歷史再到網絡日志等，都可以劃分到大數據內容范疇之內。Value用來解釋價值密度，比如視頻在連續的監控中有價值的數據寥寥無幾。Velocity用來解釋操作效率，針對數據的操作環節這一過程非常迅速，中間的計算環節所需時間非常少，大數據和傳統數據的明顯區別在于：大數據可以通過傳統手段對數據進行保存、分析與整理。電子商務個性化推薦服務的黎超（廣東白云學院社會與公共管理學院廣州510450）基金項目：2012年廣東省哲學社會科學“十二五”規劃項目“生命周期視角下的廣東中小企業發展研究”（項目編號GD12XYJ02）中圖分類號：F713文獻標識碼：A內容摘要：現階段，大數據技術被廣泛應用到多個行業，尤其是大數據帶來的個性化推薦服務系統，在電子商務行業得到了普及并且取得了卓越成績。本文針對大數據背景下電子商務個性化推薦服務系統實施基礎工作進行了具體闡述，以期促進電子商務服務個性化與智能化的發展實踐。關鍵詞：大數據電子商務個性化推薦定義。電子商務個性化推薦系統即針對各種消費群體的不同需求為其提供針對性服務，或者電商企業主動結合消費者上網習性的異同為其提供專業的服務，為消費者創建一個高品質的購物平臺。個性化內容推薦系統構建在消費者對內容的應用習慣上，滿足消費者對個性化內容需求的服務。研究消費的信息應用偏好可以精確地為消費者提供信息服務，推進個性化信息內容服務業務的展開。電子商務個性化推薦服務的特征。電子商務個性化推薦服務系統是圍繞消費者需求來展開的，其主要特征如下：一是服務內容針對性顯著。個性化推薦服務針對性較為顯著，能夠滿足各種消費者的不同需求，同時還可以與消費者實施信息內容交換操作，也就是消費者可以主動為信息提供方提出自身需求，同時還可以對其所接受的服務展開評分操作。上述信息內容交換模式對信息提供方不斷更新以及改進其服務形式有著積極推進作用，使其所提供的服務更大程度滿足消費者的個性化需求。二是服務內容多樣化。客戶群體還可以結合自身需要設定信息內容服務形式與信息內容獲取時間，電商企業可以結合消費群體這種自定義模式為其呈現出相對應的信息內容服務。客戶群體在信息內容接收模式上主要包括E-mail、音頻或者視頻等。除此之外，個性化信息內容服務使得消費者僅僅通過網絡就可以隨時隨地享受個性化服務。三是服務具有主動性與時效性。個性化信息內容服務可以主動為客戶群體提供服務，為客戶群體實時推送最新資訊，保證為客戶群體所推送的資訊有著非常強的時效性。四是服務的智能性。個性化信息內容服務具備較為顯著的智能性特點，其可以根據消費群體的瀏覽軌跡實時刷新，為客戶群體傳送最新的個性化內容，并且為客戶群體推送的內容都是滿足客戶群體消費需求的。五是電子商務個性化推薦服務的意義。對于客戶群體來講，電子商務個性化推薦可以提高消費者對所需產品的瀏覽效率，為消費者節省大量時間；關于內容提供對象來講，電子商務個性化推薦系統可以保持消費者粘性和規模，利用節約時間來保證消費者的訪問量，讓消費者在短時間內獲取更多產品內容，進而保證產品的銷售業績。隨著大數據的應用，電子商務個性化推薦服務系統越來越成熟，不僅提高了電子商務類企業的市場效益，并且也豐富了其信息內容服務模式，為其服務模式有效開展提供發展平臺。

主要技術應用

一、電子商務推薦系統及構成

電子商務推薦系統(RecommendationSystemsforE-Commerce)定義是：“它是利用電子商務網站向客戶提供商品信息和建議，幫助用戶決定應該購買什么產品，模擬銷售人員幫助客戶完成購買過程”。

推薦系統面對的是用戶(user)，任務是為用戶提供對項目(item)的推薦。用戶是指推薦系統的使用者，也就是電子商務活動中的客戶。項目是被推薦的對象，是指電子商務活動中提供給客戶選擇的產品和服務，也就是最終推薦系統返回給用戶的推薦內容。在一個電子商務活動中，用戶數和項目數是非常多的。推薦系統面對的當前用戶，稱為目標用戶或者活動用戶。推薦系統的當前工作，就是為根據一定的算法，給出對目標用戶的推薦項目。

電子商務推薦系統主要由三大部分構成：輸入模塊、推薦方法模塊和輸出模塊。輸入模塊用來接受用戶的輸入信息，用戶的輸入信息中最重要的是用戶對項目的評價(rating)數據；推薦方法模塊用來根據一定算法，根據用戶數據，得出對目標用戶的推薦，該模塊是整個推薦系統的核心部分，個性化推薦方面的研究的很大一部分，都集中在找到好的推薦方法。輸出模塊主要是指得到的推薦以何種形式反饋給用戶。

根據項目的特點，目前主要有兩種類型的推薦系統，一種是以網頁為對象的個性化推薦系統，主要采用Web數據挖掘的方法與技術，為用戶推薦符合其興趣愛好的網頁；另一種是網上購物環境下的、以商品為推薦對象的個性化推薦系統，為用戶推薦符合其興趣愛好的各類產品，如各種書籍，音像等，這種推薦系統也稱電子商務個性化推薦系統。

二、電子商務個性化推薦系統的作用

摘要：通過研究二維碼定位技術和基于用戶的協同過濾算法，分析推薦系統架構，協同過濾技術和聚類技術，促使實現基于位置服務的圖書館推薦系統，從而滿足館內讀者基于位置快捷找到藏書，以及推薦讀者基于位置潛在的偏好書籍，提高圖書被讀者借閱的概率，降低使用成本，促進圖書推薦系統的理論研究。

關鍵詞：位置服務；二維碼定位；協同過濾；推薦

隨著“互聯網+”時代的到來，創新2.0推動下的互聯網信息技術思維不斷改進著社會經濟形態，促使創造新業態。尤其隨著移動互聯網、人們智能手機以及先進的GPS定位技術的使用，推動了基于位置的服務方面的發展，這在旅游產業、物流產業已逐漸衍生了較多位置數字產品，但在圖書館建設基于位置的服務還顯得較為蒼白。在數字經濟時代，圖書館由紙質邁向了數字技術時代，實現數字藏書，盡管較多地區圖書館推出“移動圖書館”微信公眾號、APP等，但對于讀者的位置卻顯得較為局限，沒有很好地利用基于位置給讀者的智能推薦服務。因為對于讀者而言，滿足個性化圖書的借閱是基本需求，但目前的現狀是，讀者必須借助館內的檢索機獲知目標圖書的館藏地信息和中圖分類號，再借助每個樓層的出入口或者館內書架口的“樓層書庫-圖書類別”表，找到目標書架，從而最終找到目標書籍，整個過程過于煩瑣，基本靠人工操作完成，而且大多數館內的圖書中圖分類號（例如K247.57）過于抽象，更別提基于讀者位置為讀者智能推薦潛在偏好的圖書服務。因此，實踐中這個問題始終存在，如何化解，成為圖書館建設研究的重要問題。畢竟館內，讀者的不同位置可能產生差異需求，即使在同一位置，不同讀者的圖書服務需求也有可能是不一樣的。讀者快速獲知目標圖書的位置并基于位置被智能推薦周圍圖書，能滿足讀者的基本及潛在需求，是智慧型圖書館重要的一部分。因此，本文研究國內外關于位置服務的圖書館推薦系統情況，通過研究二維碼定位技術和基于用戶的協同過濾算法，分析推薦系統架構，協同過濾技術和聚類技術，促使實現基于位置服務的圖書館推薦系統，從而滿足館內讀者基于位置快捷找到藏書，以及推薦讀者基于位置潛在的偏好書籍，提高圖書被讀者借閱的概率，降低使用成本，希望有益于圖書推薦系統的理論研究。

一、國內外對圖書館基于位置服務的研究現狀

（一）國外相關研究。國外對圖書館基于位置服務的研究較早，始于20世紀90年代，側重研究構建館內導航系統。對于圖書館基于位置服務的研究，美國不僅在理論上研究豐富，并積極投建于高校圖書館中。紐曼圖書館坐落在美國東海岸弗吉尼亞理工學院，其利用校園強大的全覆蓋無線WIFI，研發了紐曼系統。[1]在美國的另一州，伊利諾伊大學圖書館也致力于位置服務的推薦系統研究，JimHahn試圖在推薦系統上有所突破，建立一個精準的基于位置服務的推薦系統模型，為用戶提供更精細的推薦服務，該推薦系統模型確定用戶所在的館內位置是通過其連接的最近Wi-Fi接入點來判斷，并根據用戶所在的位置，規劃路線指引用戶找到目標書籍，還能實時為用戶提供需求服務，根據用戶的研究領域或要求，為用戶推薦借閱率較高的書籍或者權威資料、數字文獻等。（二）國內相關研究。國內對圖書館基于位置服務的研究較多停留在理論上，較多學者強調建立智慧型圖書館，但在實踐中還缺乏普及和研發。在這些學者中，本文主要闡述以下幾位學者：王佶等（2013年）認為定位服務應當廣泛應用于圖書館內各項服務中，譬如讀者對書目檢索、書刊推薦、講座咨詢、其他服務咨詢等，定位服務能節省使用成本，并提出基于WIFI展開一系列的定位推薦服務，研究分析了定位服務的基礎設施建設、平臺建設以及步驟算法。薛涵（2014年），同樣也是基于Wi-Fi館內定位導航技術和虛擬現實設計，以哈爾濱工程大學的圖書館為實驗設計背景，實現用戶與借閱圖書的定位線路導航，方便讀者準確找到書籍，但并對基于位置的其他推薦服務分析較少。陳國鋼（2014年），探索了圖書館室內定位LBS的工作模式，同時應當將此定位模式應用于多種服務類型，不單是定位導航，并注重用戶的隱私和習慣。王建功等（2014年），提出在圖書館書車上安置攝像頭，將二維碼設置成路標，書車拍攝掃描二維碼獲得準確的位置坐標和線路方法。林澤斐（2014年），則將二維碼與微信公眾號融合，將公眾平臺的接口生成具有定位功能的二維碼，并貼在圖書館各書架附近，用戶通過微信掃一掃功能讀取所在位置，使用成本低且定位精準。綜上所述，國內外對圖書館基于位置服務已有研究，在美國高校圖書館甚至已有較為先進的使用，證明了本項目研究的可操作性，而在國內智慧圖書館建設中還較多停留在理論層面上，需要進一步的討論和實踐中研發。對此，本文結合二維碼定位技術及基于用戶的協同過濾算法，分析推薦系統架構，利用協同過濾技術，實現基于位置服務的圖書推薦系統，豐富理論研究。

二、基于位置服務的推薦技術研究

【摘要】在大數據時代，智能推薦系統為我們生活帶來了極大的便利，根據用戶的瀏覽信息可以為用戶提供相對應的功能、產品和服務，使得用戶能夠更高效地從海量數據中得到自己期望的信息數據。電影是很多人娛樂生活中不可缺少的一部分，電影推薦也是互聯網推薦內容中重要的一種。本文將依托此為背景，通過數據挖掘相關算法來構建一個智能的電影推薦系統，根據用戶過去觀影喜好來為之個性化提供多個電影作品。

【關鍵詞】電影推薦；數據挖掘；機器學習

1前言

隨著現代科技生產力的發展，人們在空閑時間中逐漸開始追求更高要求的娛樂活動，而電影就是最為普遍的娛樂方式之一。不管是喜劇還是悲劇，都能勾起你純真的眼淚；不管是動作片還是恐怖片，都能讓你的腎上腺大開大合；不管是科幻片還是紀錄片，都能讓你云游古今中外。不管是去電影院，或是購買影碟，或是在網上觀賞影片前，人們總是有選擇性地去尋找一些更符合自己喜好的、內容精致的、更受歡迎的電影去觀看。但是，如今影片的拍攝逐漸走向高產化，佳片許多，爛片也層出不窮，如果采用人工方法，在大量電影影片中找到自己真正喜歡的電影是一個耗費精力的事情。本文通過大數據挖掘技術構建了一個智能的電影推薦系統，針對不同用戶，提供多個與其過去的觀影信息相似度較高的符合該用戶喜好的電影，滿足用戶的觀影需求。本文使用了kaggle網站中TMDB5000MovieDataset的電影數據集，主要結合應用分類統計（ClassStatistics）、樣本相似度（Correlation）分析等經典數據挖掘算法，剖析數據間的關系，從而完成電影推薦系統的相關功能。用戶為系統提供一個電影的名稱，該系統提供與這部電影在類型、內容、受歡迎程度、年代等綜合程度最相似的五部影片。

2數據預處理

本文所使用的電影數據集，包含：電影類型（genres）、關鍵字（keywords）、導演（director）、演員（actor）、發行公司（compa-ny）、電影評分（IMDB）、成本（budget）、評分人數（count）、電影的發行年份（year）、發行國（country）、語言（language）等字段，共計5000多部電影詳細信息。本文的智能推薦系統主要依賴電影和電影之間的“相似度”（similarity）來為用戶推薦電影，在計算相似度的過程中會使用描述該電影的“關鍵字”（keywords）作為計算的主要因素之一。但是在這些關鍵字中有大量的低頻詞，會對計算過程產生噪音影響；關鍵詞中還有大量的同義詞，如“shadow”和“dark”，同根詞，如“music”和“musical”、“train”和“training”、“apple”和“apples”，在計算相似度應該被視為同一個詞。因此，我們使用以下的預處理方法對關鍵字進行了清洗。①本文應用python的NLTKpackage合并了同義詞和同根詞。②本文對頻次小于五次或出現在少于三個電影的關鍵字進行了過濾。數據集中有一些屬性需要進行離散化處理，如發行年份（releasedate），本文應用了EXCEL的YEAR（）函數和ROUND-DOWN（）函數以10年為間隔，將其分為了1930s、1940s一直到2010s（代表2010年及以后）的年代制。

[摘要]隨著互聯網的普及和電子商務的發展，商品推薦系統逐漸成為電子商務IT技術的一個重要研究內容，越來越多地受到研究者的關注。本文探討了電子商務系統的構成、研究內容、研究現狀，分析了目前有的推薦系統存在的缺陷和問題，提出了未來電子商務推薦系統研究的發展方向。

[關鍵詞]電子商務；推薦系統；協作過濾；個性化推薦

隨著互聯網的普及和電子商務的發展，商品推薦系統逐漸成為電子商務IT技術的一個重要研究內容，越來越多地得到研究者的關注。目前，幾乎所有大型的電子商務系統，如Amazon、CDNOW、eBay、當當網上書店等，都不同程度地使用了各種形式的推薦系統。

而且現在電子商務系統規模的進一步擴大，用戶數目和項目數據急劇增加，迫切需要相應信息檢索技術產生。商品個性化推薦技術，尤其是協同過濾技術，構成了現有電子商務個性化推薦系統的基礎。在這里，之所以強調個性化，是因為需要推薦系統能為每個用戶推薦適合他們偏好和興趣的產品，而不是千篇一律的推薦。

一、電子商務推薦系統及構成

電子商務推薦系統(RecommendationSystemsforE-Commerce)定義是：“它是利用電子商務網站向客戶提供商品信息和建議，幫助用戶決定應該購買什么產品，模擬銷售人員幫助客戶完成購買過程”。

摘要：本文通過對檔案管理系統的用戶歷史行為數據進行抽取、分析、預處理，設計了基于物品的協同過濾算法模型的檔案智能推薦系統，可以在用戶無法準確描述其需求時根據系統其他用戶的歷史行為數據智能推薦相關檔案，從而在一定程度上解決了無法精準描述需求時的檔案查詢問題。

關鍵詞：用戶行為；協同過濾；智能推薦

一、引言

隨著數字檔案室建設項目的推進，以電子文件為對象，基于OCR識別、語音識別、數據挖掘、機器學習等技術實現的電子檔案管理模式正在逐步取代傳統紙質檔案管理模式。在電子檔案管理模式下，檔案信息量爆炸式增加導致信息量過載和人們需求量的嚴重不平衡[1]529。用戶要從海量電子檔案中檢索自己需要的檔案信息變得越來越困難了。傳統的搜索引擎可以通過用戶輸入的關鍵字返回與輸入關鍵字相關的檔案信息，在一定程度上緩解了檔案信息過載問題，但是當用戶無法精準描述檔案需求的關鍵字時，傳統搜索引擎就無能為力了。與傳統的搜索引擎不同，智能推薦系統并不需要用戶提供精準的用檔需求，而是通過分析檔案用戶行為信息（檔案用戶行為信息是指用戶在檔案管理系統中進行檢索、瀏覽、下載、打印等操作所留下的數據痕跡[2]58），采用協同過濾算法，向用戶推薦能夠滿足他們需求的檔案信息。

二、基于協同過濾算法的推薦系統

文獻研究發現：學術界認定的第一個推薦系統是1992年xeroxPARC（施樂實驗室）推出的Tapestry系統（垃圾郵件過濾并電子新聞推薦系統）。該系統需要事先了解和熟悉系統用戶的興趣和愛好，只能適用于系統用戶數比較少的場景。1997年，明尼蘇達大學的研究小組開發了Movielens系統（電影智能推薦系統），拉開了推薦系統蓬勃發展的序幕。該系統根據用戶對電影的評分，預測用戶可能感興趣的電影類型、風格、演員、導演等，向用戶推薦合適的電影[3]201。Netflix（美國奈飛公司）為期三年的百萬美金大賽是推薦系統領域的標志性事件之一，它將推薦算法的研究推向高潮，吸引了全世界186個國家4萬多位專業人士開始投身于推薦系統領域的研究，并將這項技術從學術圈真正轉向商業領域。隨著Amazon（美國亞馬遜公司）開始在網站上根據用戶的瀏覽購買行為對用戶進行個性化推薦，并成功提升網站35%的銷售額，個性化推薦系統在圖書、音樂、視頻、新聞、電影、購物等領域的應用越來越廣泛[4]182。國內推薦算法研究起步較晚，但也取得了可喜的成果，在門戶網站、電子商務等領域開展了廣泛應用，比較著名的包括：今日頭條新聞、淘寶、京東、豆瓣影視推薦等。推薦算法發展至今，其技術路線大致可以劃分為三類：基于內容模型的推薦算法、基于協同過濾模型的推薦算法、基于混合模型的推薦算法。協同過濾模型算法是推薦系統中較為著名和常用的一種方法。它依據“人以類聚，物以群分”的聚類特點進行預測和推薦，可以將大部分看起來無交集的人或物品，通過大數據分析、數據挖掘等技術挖掘出相似的個別群體，實現根據和你有共同喜好的人給你推薦物品或者根據你喜歡的物品給你推薦相似的物品[5]1433。常用的協同過濾算法包括基于用戶的協同過濾算法和基于物品的協同過濾算法。