杭州电子科技大学
毕业设计（论文）文献综述
毕业设计（论文）题目基于ASP的个人图书管理系统
文献综述题目个性化推荐算法的研究综述学院计算机学院
专业软件工程
姓名万佳琦
班级13108411
学号13108103
指导教师傅婷婷
个性化推荐算法的研究综述
一、前言
随着互联网的出现和普及，Web已经成为现代人类获取信息的一个重要途径。我们也逐渐从信息匮乏的时代进入到信息超载的时代，由于Web信息的日益增长，人们不得不花费大量的时间去寻找自己想要的信息。尤其是网络小说的兴起，使得无数的写手投入到写小说的队伍中。导致网络上的小说的质量参差不齐。人们很难在其中找到自己合意的小说。仅通过现有的Google、百度等搜索引擎来搜索有用信息就好像是大海捞针。而各个小说网站也不够齐全，各有各的偏重点，很难从一个中找出所有满意的。这就需要有一个具有良好用户体验的系统，会将海量信息进行筛选、过滤，将用户最关注最感兴趣的信息展现在用户面前[1]。
在此背景下，推荐系统出现了，推荐系统的任务就是解决上述的问题，联系用户和信息，一方面帮助用户发现对自己有价值的信息，另一方面让信息能够展现在对他感兴趣的人群中，从而实现信息提供商与用户的双赢。一个成功个性化推荐系统，往往选择了合适的推荐算法作为系统核心。推荐算法在很大程度上决定了推荐系统类型和性能的优劣。除此之外，能否处理好新用户的冷启动问题和数据过多导致的稀疏问题，也是推荐系统面临的一大挑战。因此，开发人员在选择一种推荐算法之前，必须综合考虑实际应用场景、各推荐算法的特征与性能等要素。下文选择了几种推荐算法，就他们的特点以及优缺点进行分析综述。
二、主题
（1）推荐算法特点
1）基于内容的推荐
基于内容的信息推荐方法的理论依据主要来自于信息检索和信息过滤，所谓的基于内容的推荐方法就是根据用户过去的浏览记录来向用户推荐用户没有接触过的推荐项。它的核心思想[2]是根据推荐物品或内容的元数据，发现物品或者内容的相关性，然后基于用户以往的喜好记录，推荐给用户相似的物品。系统首先对物品（图1中举电影的例子）的属性进行建模[3]，图中用类型作为属性。在实际应用中，只根据类型显然过于粗糙，还需要考虑演员，导演等更多信息。通过相似度计算，发现电影A 和C相似度较高，因为他们都属于爱情类。系统还会发现用户A喜欢电影A，由此得出结论，用户A很可能对电影C也感兴趣。于是将电影C推荐给A。这种推荐系统[4]多用于一些资讯类的应用上，针对文章本身抽取一些tag作为该文章的关键词，继而可以通过这些tag来评价两篇文章的相似度。
图1 基于内容的推荐举例
2）基于协同过滤的推荐
协同过滤是一种在推荐系统中广泛采用的推荐方法。这种算法[5]基于一个“物以类聚，人以群分”的假设，喜欢相同物品的用户更有可能具有相同的兴趣。基于协同过滤的推荐系统[6]一般应用于有用户评分的系统之中，通过分数去刻画用户对于物品的喜好。协同过滤被视为利用集体智慧的典范，不需要对项目进行特殊处理，而是通过用户建立物品与物品之间的联系。这种算法主要分为3个步骤[7]：一，用户评分。可以分为显性评分和隐形评分两种。显性评分就是直接给项目评分（例如给百度里的用户评分），隐形评分就是通过评价或是购买的行为给项目评分（例如在有啊购买了什么东西）。
二，寻找最近邻居。这一步就是寻找与你距离最近的用户，测算距离一般采用以下三种算法： 1.皮尔森相关系数。 2.余弦相似性。3调整余弦相似性。调整余弦相似性似乎效果会好一些。
三，推荐。产生了最近邻居集合后，就根据这个集合对未知项进行评分预测。把评分最高的N个项推荐给用户。这种算法存在性能上的瓶颈，当用户数越来越多的时候，寻找最近邻居的复杂度也会大幅度的增长。
图2 协同过滤推荐流程
三、总结
综上所述，可看出以上几种推荐算法虽然很普及，但也存在一定的弊端。因此在实际应用中，往往需要针对不同的情况来进行组合推荐。[12]组合推荐一个最重要原则就是通过组合后要能避免或弥补各自推荐技术的弱点。研究和应用最多的是内容推荐和协同过滤推荐的组合。最简单的做法就是分别用基于内容的方法和协同过滤推荐方法去产生一个推荐预测结果，然后用某方法组合其结果。尽管从理论上有很多种推荐组合方法，但在某一具体问题中并不见得都有效，比如在保证推荐准确性的同时增加推荐的多样性，使特殊喜好的用户得到推荐或更好的利用用户的实时反馈数据强化推荐算法。以后的推荐算法可以在考虑时间，空间，任务等因素的情况下，来更好的完成推荐。
参考文献
[1] 张培颖.基于模糊隶属度的个性化网页推荐系统[J].计算机系统应用.2008.(11)
[2] 百度百科.推荐算法.[EB/OL]:
https://www.doczj.com/doc/5918353126.html,/link?url=WT1Gpc5-GfZ_Ux0MbJ1Fx6gqWssqayIcqL2Q0rEAWC _bpGMkqioZJkiBiLlONhFCf6CHAHOa_CoQ5VciLZwPOgyg371XneOLoYiLRtT25HkH 0MT_rt4wZHw2tYsx2lbZ
[3] 沉沦风帆.常用的推荐算法解析.[EB/OL]:
https://www.doczj.com/doc/5918353126.html,/u014605728/article/details/51274814,2016-04-28
[4]博客园.推荐系统的常用算法概述.[EB/OL]:
https://www.doczj.com/doc/5918353126.html,/luchen927/archive/2012/02/04/2334316.html,2012-02-04
[5] 王义，马尚才.基于用户行为的个性化推荐系统的设计与应用[J].计算机系统应用.2010.19.（08）
[6] 王卫平，刘颖.基于客户行为序列的推荐算法[J].计算机系统应用,2006.（9）
[7] 马丽.电子商务个性化推荐技术分析及比较[J].计算机系统应用.2008.(12)
[8] 张培颖.基于Web内容和日志挖掘的个性化网页推荐系统[J].计算机系统应
用.2008.(9)
[9] 吴兵，叶春明.基于效用的个性化推荐方法[J].计算机工程.2012.38.(04)
[10]许海玲，吴潇，李晓东，阎保平.互联网推荐系统比较研究[J].软件学报.
2009.20(02)350-362
[11] 数盟.推荐系统的常用算法对比.[EB/OL]:
https://www.doczj.com/doc/5918353126.html,/3289.html
[12] 王子政，姚卫东.一种改进的组合推荐算法研究[J].军民两用技术与产
品.2015.(23):46-47
文献综述考核表
客户关系管理研究文献综述 摘要：客户关系管理（CRM）是最近几年管理界热烈讨论的话题，经济的发展与人民生活水平的提高，使得原来以产品为到现在为导向的企业经营模式已日益不能满足消费者多样化、个性化的需求，客户关系管理就成为企业界关注的领域，本文拟从信息的角度对当前客户关系管理研究进行总结，为今后的研究奠定基础。 关键词：客户关系管理（CRM）、信息技术（IT）、功能 近年来，“顾客满意”似乎已成为企业界人士最常挂在嘴边的用语，因为他们认识到顾客是最终评定产品及服务品质优劣，并能决定是否继续与该公司交易的人，也就是说顾客是公司利润的源泉。随着竞争日趋白热化，全球各公司获取顾客光顾的成本不断增高，加上顾客多样化选择的机会等因素，让人感觉生意越来越难做。面对越来越挑剔的顾客和激烈的同行竞争，吸引新顾客和保留现有顾客已成为企业必须面对的重要课题，因此研究客户关系管理（CRM 或Customer Relationship Management）对于满足客户个性化需求，提高客户忠诚度和保有率，实现缩短销售周期、降低销售成本、增加收入、扩展市场，从而全面提升企业的赢利能力和竞争力有着重要的作用。因此，本文旨在对客户关系管理的研究现状进行总结，以便在此基础上做更深入的研究。 1 客户关系管理的概念 所谓客户关系管理是一种以客户为中心的经营策略，它以信息技术为手段，并对工作流程进行重组，以赋予企业更完善的客户交流能力、最大化客户的收益率①。 客户关系管理是一个IT业术语，它涵盖了方法学、软件技术和网络技术，通过一种组织化的方式来帮助企业管理客户关系。 客户关系管理是一概念，它把管理理念和业务实践融合在一起，它继承了销售、定单管理、客户服务以及协调和统一在客户生命周期内与客户交互的所有信息。CRM帮助企业管理单个客户，通过快速响应和高效的服务建立同客户之间的牢固关系。 客户关系管理应用是一个前端应用工具，通过它能够很方便地捕捉、融合、分析和共享企业已有的和潜在客户的信息。此过程主要贯穿市场、销售和服务阶段，目的是为了更好地了解客户，精确地定位客户对企业的产品和服务提出的需求。CRM软件的实施主要有两个目标：第一，使得企业能更有效地定位、联系和赢得新客户；第二，使得企业与现有客户之间的关系更牢固。 CRM不是一个产品或服务，而是一种商业策略，通过它来有效管理企业客户关系，它为企业的每一个客户提供了一个完整的集成视图。 综合以上对客户关系管理的定义和有关文献可以看出：CRM是在信息技术支持下，依据一定的商业规则形成的软件工具，目的是为了更好地服务于客户和留住客户，增强企业竞争力最终达到赢利的目标②。 2 客户关系管理的研究现状 近年来，国内外的学者对客户关系管理理论、方法和实施做了多方面的研究。主要是针对客户关系管理的重要性、客户关系管理的基本功能和技术要求以及如何实现客户关系管理等。从信息的角度，客户关系管理的代表性的研究有：Hurwitz Group提出的CRM的六个主要的功能和技术要求；余军合，吴昭同（2000）提出的客户关系管理的三大基本功能；江波（2002）提出的客户关系管理的技术架构和典型功能以及技术实现；AMT网站客户关系管理研究小组提出的CRM系统具有的五大功能模块；以
一 基于协同过滤(collaborative filtering，CF)的推荐系统通过收集来自其他相似用户或项目的评价信息，自动预测当前用户的兴趣偏好。协同过滤的基本假设是用户会更喜欢那些相似用户偏爱的商品，已被广泛应用在一些大型的商业系统，如亚马逊和阿里巴巴等。 目前，协同过滤算法主要包括基于内存的、基于模型的以及二者相混合的推荐技术”。使用最多的模型是k最近邻(k-nearest neighbor，kNN)协同过滤技术，包括基于用户推荐和基于项目推荐两种技术。 一般说来，本体描述了某个应用领域的概念和概念之间的关系，使得它们具有唯一确定的含义，获得该领域的相关知识，提供对该领域知识的共同理解，便于用户和计算机之间进行交流。 OntoECRec推荐模型 二 1995年，卡内基·梅隆大学的A．RDben等人在美国人工智能协会上提出了个性化导航系统we-watcher，真正标志着个性化服务的开始；1997年3月，(communications of the AcM)。组织了个性化推荐系统的专题报道，标志着个性化服务已经被技术界高度重视；1999年，德国Dresden技术大学的J．Tania 实现了个性化电子商务原型系统TELLIM，标志着个性化服务开始向全球发展；2000年，NEc研究院的D．B．Kurt等人为搜索引擎atesecr增加了个性化推荐功能，实现citeseer的个性化。2001年，纽约大学的GediminaS Adomavicius 和Alexander Tuzhilin实现了个性化电子商务网站的用户建模系统1：1Pro。 个性化推荐服务体系结构中，信息收集模块是个性化服务系统的基础模块。用户的信息包括了用户的个人基本资料、购买的历史记录及浏览记录等。个人基本资料可以从用户注册表单中获得；购买的历史记录主要存放于电子商务网站的后台交易数据库中，包含了每位用户以前历次购物的详细情况记录，如购物时间、商品清单、价格、折扣等，同时也可以收集用户放入购物篮而未购买的商品记录，以及用户过去浏览过的商品信息等。当然要搜集用户的行为信息，日志文件是必不可少的，如要收集服务器日志，则要在服务器端获取，抽取出特定用户的访问记录；如要收集用户浏览的页面和浏览行为，则既可以在用户端获得，也可以在服务器端从用户记录中获得。
Hans Journal of Data Mining 数据挖掘, 2019, 9(3), 81-87 Published Online July 2019 in Hans. https://www.doczj.com/doc/5918353126.html,/journal/hjdm https://https://www.doczj.com/doc/5918353126.html,/10.12677/hjdm.2019.93010 Overview and Prospect of Personalized Recommendation Algorithm Xinxin Li Dalian University of Foreign Languages, Dalian Liaoning Received: Jun. 19th, 2019; accepted: Jul. 2nd, 2019; published: Jul. 9th, 2019 Abstract In recent years, the word “information overload” frequently appears in people’s vision, it has be-come a hot word in the field of computer, and it is also an important problem that researchers ur-gently need to solve. In order to solve the problem of information overload, researchers in the field of computer constantly optimize the personalized recommendation algorithm, strive to re-duce the difficulty of information retrieval for users, to provide users with the best personalized recommendation results. This paper gives a brief overview of the personalized recommendation methods which are widely used and common. Combined with the experience of using personalized recommendation algorithm to generate results in daily life, the author puts forward expectations for the development of personalized recommendation algorithm in the future. Keywords Personalized Recommendation, Collaborative Filtering, Hybrid Recommendation 个性化推荐算法概述与展望 李鑫欣 大连外国语大学，辽宁大连 收稿日期：2019年6月19日；录用日期：2019年7月2日；发布日期：2019年7月9日 摘要 近年来，“信息过载”一词频繁出现在人们的视野中，它成为了计算机相关领域中的热门词汇，同时它也是研究人员急待解决的重要问题。为解决信息超载的问题，计算机领域研究人员不断优化个性化推荐
推荐系统调研报告及综述 张永锋 清华大学计算机系人工智能研究所 zhangyf07@https://www.doczj.com/doc/5918353126.html, 一、推荐系统概述 1.1 什么是推荐系统 推荐系统(Recommender System)的发展已经经历了近20年的时间，但是迄今为止仍没有人试图对推荐系统给出一个精确的定义。 广义上的推荐系统可以理解为是主动向用户推荐物品(Item)的系统，所推荐的物品可以是音乐、书籍、餐厅、活动、股票、数码产品、新闻条目等等，这依赖于具体的应用领域，推荐系统所推荐的物品或者对用户有帮助，或者用户可能感兴趣[1]。 随着电子商务规模的不断扩大，商品数量和种类不断增长，用户对于检索和推荐提出了更高的要求。由于不同用户在兴趣爱好、关注领域、个人经历等方面的不同，以满足不同用户的不同推荐需求为目的、不同人可以获得不同推荐为重要特征的个性化推荐系统(Personalized Recommender System)应运而生[1]。目前所说的推荐系统一般指个性化推荐系统。 1.2 推荐系统的发展历史 如果追根溯源，推荐系统的初端可以追溯到函数逼近理论、信息检索、预测理论等诸多学科中的一些延伸研究。 推荐系统成为一个相对独立的研究方向一般被认为始自1994年明尼苏达大学GroupLens研究组推出的GroupLens系统[2]。该系统有两大重要贡献：一是首次提出了基于协同过滤(Collaborative Filtering)来完成推荐任务的思想，二是为推荐问题建立了一个形式化的模型(见1.4)。基于该模型的协同过滤推荐引领了之后推荐系统在今后十几年的发展方向。 GroupLens所提出的推荐算法实际上就是目前人们时常提及的基于用户的协同过滤推荐算法(User-based Collaborative Filtering Algorithms)，虽然论文本身并没有使用这样一个名字。在之后的十几年中，其它一些著名的协同过滤算法逐渐被提出，主要的有基于物品的协同过滤算法(Item-based Collaborative Filtering Algorithms)[3]，基于矩阵分解的协同过滤算法(SVD-based/NMF-based, etc.)等等。当然，基于其它方法而非协同过滤的推荐算法也在不断地发展，这些方法之间的互补、融合也成为一个重要的研究方向，这些会在本文第二部分(推荐方法的分类)和第三部分(典型推荐算法概述及优缺点)中详细阐述。 目前，推荐算法已经已经被广泛集成到了很多商业应用系统中，比较著名的有Netflix在线视频推荐系统、Amazon网络购物商城等。实际上，大多数的电子商务平台尤其是网络购物平台，都不同程度地集成了推荐算法，如淘宝、京东商城等。Amazon发布的数据显示，亚马逊网络书城的推荐算法为亚马逊每年贡献近三十个百分点的创收。
关于商业片植入式广告发展现状及存在问题的研究——受众心理的关注及营销策略、传播方式的使用 文献综述 姓名：王丹 20090257 曾艳 20090261 杨斯琦 20090259 唐梦佳 20090256 余颂庆 20090260 张文 20090262 吴霜 20090258 班级：市场营销03班 指导老师：杨代福 时间：2012-03-10
【引言】 进入21世纪以来，由于行业竞争加剧等原因，商业片植入式广告异军突起，事实上，这种广告模式由来已久，也并非中国特色。植入式广告源于欧美，发展较为成熟，我国的植入式尚处萌芽阶段，负面问题频发，饱受舆论质疑。但不可否认的是，植入式广告不但比传统硬广告更有优势，而且也是快速收回投资成本、降低商业风险急加速媒介产业循环的好方法，作为产业链上重要一环，其存在不仅具有合理性，而且具良好的发展前景。那么，如何使商业片的植入式广告快速的进入其下一个发展阶段成为现阶段的重大问题。因此，对于影响植入式广告效果的重要因素（营销手段、传播方式以及受众心理），值得我们去研究和思考我们。 【正文】 一、植入式广告的文献研究现状 植入式广告于上世纪20年代至20年代末开始萌芽、2000年以后才真正进入蓬勃发展期，虽然相对于传统传播形式的广告，植入式广告的发展历史并不长，但是以商业片植入式广告为代表的植入式广告已经成为广告发展的一股不可抵挡的趋势，而国内外专家、学者对植入式广告发展的方方面面也进行了深入研究和探讨，呈现出一定深度和广度的理论学说及典型案例，对于植入式广告产业发展发挥了作用。从国内外的研究现状看，对于植入式广告的研究成果可归纳为以下四个方面。 1.对于植入式广告的理论体系依据研究 关于植入式广告所依据的理论体系的研究，主要集中在传播学理论的体现与运用；张金海在《20世纪广告传播理论研究》一书中指出，植入式广告在现代广告业的发展中越来越引人注目，体现了现代广告逐渐将目光放在广告传播的社会文化关注，而巧妙地利用传播学中的归因理论和“说服性传播”的效果理论，则可以将这种关注的社会化效果扩大；而吕善锟在其论文《电影中植入式广告的理论依据》中则明确提出，植入式广告之所以比传统的商业广告有更好的说服效果，正在于其运用了传播学中的归因理论、两级传播理论、“说服性传播”的效果研究、经典条件反射理论以及模仿理论等。
文献综述 公司客户关系管理研究 客户关系管理是于20世纪90年代随着大市场营销理念的发展而产生的，其最早是由一家对IT行业比较有研究的咨询顾问公司Gartner Group(1990)提出的，其认为，客户关系管理是企业的一项商业策略，它按照客户的细分情况有效地组织企业资源，培养以客户为中心的经营行为及实施以客户为中心的业务流程，并以此为手段来提高企业的获利能力、收入，以及客户满意度。随着企业逐渐进入“客户经济”时代，越来越多的学者与企业领导者和科研机构开始重视对客户关系管理的研究与管理。 （1）国内研究现状 国外先进管理理念的传入和信息时代的到来，为我国客户关系管理研究奠定了理论基础和技术支持。 ①基于CRM为管理理念的研究 陈旭(2001)研究了CRM的内涵和管理思想，分析了CRM的主要功能，辨析了CRM与SCM和ERP的关系，讨论了CRM的发展趋势；成栋、宋远方(2004)在研究当前各种客户关系管理的管理理论的基础上提出了客户关系管理的理论框架体系，以澄清客户关系管理与其他管理理论的关系；安实(2001)等分析了CRM价值创造机理，指出目前对客户关系管理的应用研究忽视了CRM项目的理念基础和人的因素。韩婷婷(2007)从营销学角度比较系统地介绍了客户关系管理的由来，将客户关系管理定义为以客户为中心的业务战略，使我们对于客户关系管理的由来以及定义，有了更加深入的了解，对客户关系管理有了更深刻的认识。徐忠海(2004)研究发现，在客户关系生命周期的不同阶段，客户价值是不同的且可以用不同的指标来衡量。徐忠海同时还强调企业要加强对流失客户的管理，把恢复客户关系管理的管理过程划分为分析阶段、行动阶段、考核评估阶段三个阶段。王化成(2005)提出了运用作业成本法来分析客户可赢利性，通过具体的操作方法，证明了企业通过对客户关系的管理，可以使企业盈利。 ②基于CRM为管理机制的研究 国内研究CRM较具代表性的机构CRCC，(CRM Research Center of China)对客户关系管理理念、模式及应用方法进行了整合和创新，结合中国企业实际，率先创造性地提出了“中国客户关系管理方法论(China CRM Methodology)”，
对于个性化推荐新闻的思考 作者：王慧 来源：《传媒论坛》2019年第01期 摘要：个性化推送作为新兴媒体背景下一种新的新闻分发形式，对受众有着正反两方面的意义，无论是新闻定制，还是算法分发，其困境背后实际上是技术不断发展过程中工具理性与人文理性的永恒博弈。媒体应该对聚合类信息内容的把关，个性化推荐与人性化推荐相融合，推送未曾关注的领域，增加新闻偶遇的机会。以算法为主进行分发的新兴媒体同专业媒体应该共同满足受众对于信息的需求，其中既包括个性化，也包括公共性，只有这样才能形成唐纳德肖所提出的专业媒体与大众媒体纵横交错的“纸草社会”，在算法时代守望人的价值。 关键词：算法;人文理性;工具理性 中图分类号：G210 文献标识码：A 文章编号：2096-5079 （2019） 01-00-02 个性化推荐新闻即根据用户的性别、年龄、自定义、访问信息类别需求倾向等特征来给用户推荐特定的信息内容，具有个性化、定制化、移动化、互动性等特点。正如“今日头条”APP 所说：“投其所好，送其需要”。个性化推荐新闻对受众有积极消极两方面的影响，新闻媒体仍应提供必要的社会公共信息，担任社会协调与整合的职责。而在CEO张一鸣看来，《今日头条》与传统媒体最本质的区别就是算法。这款兴趣推荐搜索引擎应用的核心是算法，今日头条之所以能够洞察用户喜好，精准分发用户感兴趣的新闻，很大程度上与算法是分不开的。 本文将从以下几个角度，探索有关这个算法王国的几个问题：媒体人的老帝国与算法技术新帝国的融合的前景（代价）是什么？对于受众有何影响，可能的误区在哪里？以下将以今日头条APP为例来探讨个性化推荐新闻对受众的影响。 一、算法于人之利 （一）满足分众化信息需求，精准分发，提高用户黏性 个性化推荐新闻基于计算机程序运作，提高了精准程度的新闻分发使得不同类型的内容信息被机器识别，推送给有着不同需求的受众，根据使用与满足理论，受众面对大众传媒绝不是完全被动的，事实上受众总是自主地选择自己所好奇的和所需要的媒介内容和信息。受众信息消费的选择范围也随着网络技术的普及不断扩大，受众的个性化需求成为了媒体始终绕不开的话题。今日头条的slogan“你关心的，才是头条”这也充分体现了互联网思维的极致发挥。分配逻辑的首位是观众的需求，同时媒体的市场覆盖面也得到了显著的提高，更是获得了受众认可，创始短短几年就对“腾讯新闻”等老牌新闻客户端产生了极大的威胁。
个性化推荐技术综述 在互联网时代，各类信息层出不穷，用户往往面临着“信息过载”的困扰，难以在大量信息中找到有价值的信息。而个性化推荐则通过用户的兴趣特点和历史行为快速高效的为用户推荐用户感兴趣的信息或商品。通常情况下，根据推荐方式的不同，推荐技术大概可以分为以下几个类型： 1.协同过滤的推荐算法 协同过滤推荐算法由Goldberg、Nicols、Oki和Terry 在1992年提出，该算法应用在Tapestry系统。Breese 等人将协同过滤推荐技术分为两种类型，一种是基于内存的协同过滤方法，另一种是基于模型的协同过滤方法，各自常用的算法如图1所示。基于内存的协同推荐( memory-based collaborative filtering) 也称为启发式的协同推荐，主要直接利用用户的历史数据来提供预测结果。根据相似性度量的对象的不同，基于内存的协同过滤又分为User-based 协同过滤和Item-based协同过滤。User-based 协同过滤的基本原理是如果一些用户对一些物品评价的分数比较接近，那么通常情况下他们评价其它物品的分数也会很接近。那么我们要得到某个用户对物品的评分时，就可用和该用户评分相似的其他用户对目标物品的评分去估计。Item-based协同过滤的基本原理是如果一些物品的典型特征具有相似性，那么同一个用户对他们的评分是接近的。基于上述原则，如果我们得到用户对和目标物品相似的其它物品的评分时，那么我们就可以通过这些分数来逼近用户对目标物品的评分。基于模型（Model-based）的推荐算法是首先通过用户-项目评分矩阵训练得到一个决策模型，在为目标用户进行推荐时，利用该离线模型为用户进行预测产生推荐结果。大致理念就是通过机器学习算法，在数据中找出模式，并将用户与物品间的互动方式模式化。
可行性研究文献综述 一、可行性研究简介 可行性研究一词源于英语feasibility study,字义就是行得通,有可能成功的意思。自20世纪30年代作为一种组织管理方法对工程项目进行评价,使美国田纳西河流域开发项目获得成功之后,可行性研究这种仅限于经济评价的报告在工业发达国家成为建设项目开发程序的一个环节。 工业项目可行性研究就是投资工业项目决策前的活动,就是在事件没有发生之前的研究,就是对事务未来发展的情况、可能遇到的问题与结果的估计,具有预测性。因此,必须进行深入的调查研究,充分的占有资料,运用切合实际的预测方法,科学的预测未来前景。 对于投资额较大,建设周期较长,内外协作配套关系较多的建设项目,可行性研究的工作期较长,为了节省投资,减少资源浪费,避免对早期就应淘汰的项目做无效研究,一般将可行性研究分为机会研究、初步可行性研究、可行性研究(有时也叫详细可行性研究)与项目评价决策四个阶段。机会研究证明效果不佳的项目,就不再进行初步可行性研究;同样,如果初步可行性研究结论不可行,则不必再进行可行性研究。 随着科学技术、市场经济与管理科学的高度发展,在不断总结过去经验的基础上,可行性研究理论也得到了不断的完善与发展,至今已成为世界公认的项目评价方法。在项目投资决策之前进行可行性研究,不但有助于减少或避免项目投资失误,而且有助于项目的顺利实施与推进,总的说来,可行性研究对于项目投资决策有着以下非常重要的作用: 作为项目建设立项的依据,作为向银行申请贷款或筹资的依据,作为工程设计与建设的依据,作为向当地政府与环保部门申请建设执照的依据,作为本工程建设补充基础资料的依据,作为项目与各有关部门签订合同或协议的依据,作为核准采用新技术、新设备研制计划的依据,作为企业安排项目计划与实施的依据。 二、国外可行性研究的发展历史 西方最早推行可行性研究方法的就是美国,通过采用这套方法,实现了对河流流域地区良好的开发与综合利用,二战后,随着现代科学技术与管理科学的高度发展,技术经济问题越来越复杂,为了开发新产品,减少投资风险,需要采用科学方法对项目实施进行预测、分析、论证。因此20世纪60年代以来,可行性研究迅速成为投资决策前的一个普遍工作阶段,并且形成了一整套系统理论的科学方法。这种方法在以世界银行为代表的国际经济组织对发展中国家的贷款或援助项目中迅速推广。 在19世纪至20世纪50年代中期,国外主要就是运用简单的财务评价方法通过对项目的收入与支出进行比较来判断项目的优劣。随着社会的发展,简单的财务评价已不能满足社会、政府与企业对项目投资决策的多元化需求。于就是,法国工程师让尔·杜比提出了“消费者剩余”的思想并在1844年发表了“公共工程效用的评价”一文。之后英国经济学家A·马歇尔正式提出了“消费者剩余”的概念,这种思想发展成为现在费用-效益分析的基础,构成了
国内外企业信息资源管理理论的文献综述随着企业信息资源管理实践的发展，其理论研究也丰富起来。企业信息资源管理研究属于微观层次范畴，通过研究信息资源的规律，以科学地指导企业信息资源的组织、规划、协调和调控。本文拟梳理企业信息资源管理的理论流派、发展历程、体系结构、管理模式等方面的研究状况。 1理论派别企业信息资源管理的论述可以概括为以下派别： 1.1信息学研究流派信息学研究流派是现代信息管理学的开创者，它集成和发展了几千年来文献管理思想。霍顿的《信息资源管理》是一部以信息资源为逻辑起点的信息资源管理专著。[1]霍顿认为信息资源管理是对信息资源实施规划、指导、预算、决算、审计和评估的过程。在克里斯和高、怀特、伍德、莱维坦等学者的共同努力下，信息资源研究发展迅速。国内，霍国庆教授在企业信息资源的集成管理、战略管理研究方面成果突出。北京大学秦铁辉教授从企业文献、网络、实物和人际等信息资源的特点、获取途径和利用方法角度研究了企业信息资源管理。[2]信息学研究流派主要研究企业各种类型信息资源的采集、分类、组织、检索与传递。该流派逐步建立独立的理论体系，研究的深度与广度较高，引领着信息资源管理学科发展的脉搏。 1.2管理信息系统研究流派管理信息系统研究流派以计算机技术特别是管理信息系统技术为代表。早在20世纪30年代，柏纳德强调决策在组织管理中的作用时就已提出信息资源管理系统的思想，而计算机应用于管理是管理信息系统的最早形态。美国新墨西哥州立大学的D.胡塞因和K·M·胡塞因的理论是计算机资源管理理论，[3]其核心是信息系统的开发、管理和计算机在工商企业领域的应用问题，它又被称为“管理中的信息系统理论”。为促进研究，国外有专门的管理信息系统的杂志如管理信息系统杂志，管理信息系统季刊等。国内的研究成果也比较多。如郑继芳从管理信息系统的基本概念、建立过程及社会功效等入手研究企业信息资源管理。[4]管理信息系统流派主要研究如何采用信息技术促进信息管理。不过该流派局限于技术角度，应该弥补人文、社会视角的盲点，其基础理论问题还有待深化。 1.3商业管理研究流派商业管理研究流派源于经管界，将信息视为最重要的生产力要素，从经济效益方面进行管理。1983年，美经济学家保罗·罗默提出，应把信息看作与劳动力和资金一样重要的生产要素。罗伯特、巴罗和英经济学家莫里斯也认为信息和知识与一般的有形资产不同，应特别重
龙源期刊网 https://www.doczj.com/doc/5918353126.html, 面向移动APP的个性化推荐算法 作者：尚燕飞陈德运杨海陆 来源：《哈尔滨理工大学学报》2018年第06期 摘;要：针对移动互联网移动端的推荐系统推荐满意度和精度较低问题，在分析应用信息系统推荐方法的基础上，提出了一种基于用户相似度和主题相似度个性化的移动APP信息推荐方法，该方法采用用户相似度和个性化加权组合的方式生成信息推荐，使推荐信息更为个性化，提高了推荐精度。同时针对多用户公用账号和兴趣发生变化的推荐问题，提出了一种基于复杂兴趣的推荐算法，该方法通过挖掘用户间的相似度、用户的行为操作及兴趣取向，使推荐信息更为准确。同时，相比于性能较好的Popular推荐算法，本算法在准确率上提高了 3.91%，召回率提高了3.45%，覆盖率提高了 4.84%，性能明显提高。因此，文中所提出方法 用于移动APP的个性化推荐，为移动APP的个性化推荐提供了一种新方法。 关键词：移动APP;推荐算法;推荐精度;个性化信息 DOI：10.15938/j.jhust.2018.06.021 中图分类号： TP393.08 文献标志码： A 文章编号： 1007-2683（2018）06-0116-08 Abstract：For the problem of low precision to both experience satisfaction and personalized requirement of Internet mobile terminal;based on the recommendation method of analyzing information system;a method of mobile APP information recommendation based on user similarity and subject similarity is proposed;which generated information recommendation by the weighted combination of user similarity and personalized;that the recommended information is more personalized;and the recommended accuracy is improved. At the same time;a recommendation algorithm based on complex interest is proposed;which makes the recommendation information more accurate by mining the similarity between users;the behavior of users and the orientation of interest for the recommendation problem of multi-user public account and interest change. Compared with the Popular which has better performance;the algorithm improves the accuracy rate by 3.91%;the recall rate is 3.45%;the coverage rate is improved by 4.84%;and the performance is improved obviously. Therefore;the method proposed in this paper is used to the personalized recommendation of APP;which provides a new method for mobile APP′s personalized recommendation. Keywords：mobile application;recommendation algorithm;the accuracy of recommending;personalized information 0;引;言
个性化推荐算法概述与展望 近年来，随着网络信息技术的不断发展与进步，网民数量激增，网络覆盖率日益增高。互联网行业发展迅速，购物、出行、医疗、教育等生产生活中的方方面面都有着“互联网+”的影子。在这个网络化、信息化的时代，网络技术已经在潜移默化地影响着、改变着人们的生活方式与思想观念。“信息过载”一词频繁出现在人们的视野中，它成为了计算机相关领域中的热门词汇，同时它也是研究人员急待解决的重要问题。 为解决信息超载的问题，计算机领域研究人员不断优化个性化推荐算法，力求降低用户的信息检索难度，为用户提供最优的个性化推荐结果。在汉斯出版社《数据挖掘》期刊中，有论文对于应用范围较广、较为常见的个性化推荐方法做出简要的概述，并结合日常生活中使用个性化推荐算法生成结果的经历，对未来个性化推荐算法的发展提出期望。 基于信息超载的情况，个性化推荐算法应运而生。个性化推荐系统通过挖掘用户在网络上留下的“信息足迹”，采集并分析用户的网络行为与消费偏好，根据不同的推荐算法将精准的、契合度高的内容推荐给用户。个性化推荐算法的产生与发展极大地便利了人们的生产与生活，对于用户而言，不用再为在海量的信息中检索需要的内容而苦恼，对于商家而言能够更好地分析用户行为，提高竞争力与实现经济效益的最大化增长。 个性化推荐方法分为协同过滤推荐、基于内容的推荐以及混合推荐。协同过滤推荐主要思想是通过现有的用户群以往的意见和行为，对当前用户最有可能感兴趣的物品进行预测。基于内容推荐是指通过掌握的物品特征的描述和描述了用户历史兴趣的记录，确定最能匹配用户喜爱的物品并推荐给用户。混合推荐算法来提高推荐结果的准确程度，是为克服协同过滤算法、基于内容算法等其他算法的局限性、提高个性化推荐结果的精准度，研究者将两种
个性化推荐系统研究综述 【摘要】个性化推荐系统不仅在社会经济中具有重要的应用价值，而且也是一个非常值得研究的科学问题。给出个性化推荐系统的定义，国内外研究现状，同时阐述了推荐系统的推荐算法。最后对个性化推系统做出总结与展望。 【关键词】推荐系统；推荐算法；个性化 1.个性化推荐系统 1.1个性化推荐系统的概论 推荐系统是一种特殊形式的信息过滤系统（Information Filtering），推荐系统通过分析用户的历史兴趣和偏好信息，可以在项目空间中确定用户现在和将来可能会喜欢的项目，进而主动向用户提供相应的项目推荐服务[1]。传统推荐系统认为推荐系统通过获得用户个人兴趣，根据推荐算法，并对用户进行产品推荐。事实上，推荐系统不仅局限于单向的信息传递，还可以同时实现面向终端客户和面向企业的双向信息传递。 一个完整的推荐系统由3个部分组成：收集用户信息的行为记录模块，分析用户喜好的模型分析模块和推荐算法模块，其中推荐算法模块是推荐系统中最为核心的部分。推荐系统把用户模型中兴趣需求信息和推荐对象模型中的特征信息匹配，同时使用相应的推荐算法进行计算筛选，找到用户可能感兴趣的推荐对象，然后推荐给用户。 1.2国内外研究现状 推荐系统的研宄开始于上世纪90年代初期，推荐系统大量借鉴了相关领域的研宄成果，在推荐系统的研宄中广泛应用了认知科学、近似理论、信息检索、预测理论、管理科学以及市场建模等多个领域的知识。随着互联网的普及和电子商务的发展，推荐系统逐渐成为电子商务IT技术的一个重要研究内容，得到了越来越多研究者的关注。ACM从1999年开始每年召开一次电子商务的研讨会，其中关于电子商务推荐系统的研究文章占据了很大比重。个性化推荐研究直到20世纪90年代才被作为一个独立的概念提出来。最近的迅猛发展，来源于Web210技术的成熟。有了这个技术，用户不再是被动的网页浏览者，而是成为主动参与者[2]。 个性化推荐系统的研究内容和研究方向主要包括：（1）推荐系统的推荐精度和实时性是一对矛盾的研究；（2）推荐质量研究，例如在客户评价数据的极端稀疏性使得推荐系统无法产生有效的推荐，推荐系统的推荐质量难以保证；（3）多种数据多种技术集成性研究；（4）数据挖掘技术在个性化推荐系统中的应用问题，基于Web挖掘的推荐系统得到了越来越多研究者的关注；（5）由于推荐系统需要分析用户购买习惯和兴趣爱好，涉及到用户隐私问题，如何在提供推荐服务的
毕业论文（设计）开题报告 论文题目关于财务报表分析研究的文献综述 学生姓名学号js0843544 专业财务管理 指导教师职称副教授学历本科 开题报告内容： 本篇论文综述了财务报表分析的基本方法,从财务报表分析盈利能力分析方法的研究、财务报表分析偿债能力分析方法的研究、财务报表分析杜邦分析方法的研究三个层面来阐述财务报表分析理论的发展与研究，在总结各个文献理论研究成果的基础上，借鉴他们采用的分析方法，将理论应用于实际，并采用以传统比率分析和现金流量比率相结合的方法对上市公司个案进行分析和评价。在分析时，分析公司基本情况,关注上市公司的历史,关注会计处理方法对利润的影响、分析子公司和关联方对利润的影响、分析会计主要项目的详细资料,并且了解宏观经济的发展状况和被分析对象所处行业的发展水平。 一、本文选题的意义 公司财务报表是关于公司经营活动的原始资料的重要来源。尤其是作为上市公司，必须遵守财务公开的原则，定期公开自己的财务状况，提供有关财务资料，便于投资者查询。上市公司公布的一整套财务资料中，主要是一些财务报表。财务报表分析，就是利用会计报表直接提供的信息，采用专门的方法，对财务报表进行资料归集、加工、分析、比较、评价等，对企业财务状况和经营成果做出综合评价，并提出改善财务状况的措施办法。通过财务报表分析，可以为报表使用者提供新的会计分析信息。这些会计分析信息，对于企业的主管部门，投资者、经营者及有关方面具有重要作用。可以说，财务报表分析是会计工作的升华。 财务分析从盈利能力、营运能力和偿债能力角度对企业的筹资活动、投资活动、和经营状况进行了深入、细致的分析，以判明企业的财务状况和经营业绩，这对于企业投资者、债权人、经营者、及其他与企业有关的利益相关者了解企业的财务状况和经营成效是十分有益的但是前面的财务分析通常是从某一特定角度，就企业的某一方面的经营活动所做的分析，这种分析不足以全面评价企业的总体财务状况和财务成效，很难对企业总体财务状况和经营业绩的关联性做出综合结论。为弥补财务分析的这一不足，有必要在财务能力单项分析的基础上，将有关指标按其内在联系结合起来进行综合分析。随着社会和经济的不断发展，财务报表体系得到不断地发展和完善，目前基本上形成了以资产负债表、利润表、和现金流量表为基础的财务报表体系。 二、国内外研究现状及成果 1、国外研究现状
基于信任机制的电子商务个性化推荐算法研究文献 综述 一、引言 互联网技术的迅猛发展把我们带进了信息爆炸的时代。海量信息的同时呈现，用户很难从中发现自己感兴趣的部分，传统的搜索算法只能呈现给所有的用户一样的排序结果，无法针对不同用户的兴趣爱好提供相应的服务。信息的爆炸使得信息的利用率反而降低。同样，随着电子商务迅猛发展，网站在为用户提供越来越多选择的同时，其结构也编的更加复杂，用户常会迷失在大量的商品信息空间中，无法顺利找到自己需要的商品。 个性化推荐，被认为是当前解决信息系统超载问题最有效的工具之一。推荐问题从根本上说就是从用户的角度出发，代替用户去评估其从未看过的产品，使用户不只是被动的网页浏览者，而成为主动参与者。准确、高效的推荐系统可以挖掘用户的偏好和兴趣，从而成为发现用户潜在的消费倾向，为其提供个性化服务。在日趋激烈的竞争环境下，个性化推荐系统已经不仅仅是一种商业营销手断，更重要的是可以增进用户的黏着性。但是推荐系统存在各种缺陷，Rashmi等人提出，相对于使用推荐系统来说，人们更愿意从自己认识的朋友或者熟悉的人那边获取推荐信息[1]。这体现了在互联网环境下，人们更加倾向于从自己信任的人获取推荐信息。 本文对文献的综述包括个性化推荐系统的概述、常用的个性化推荐系统算法分析以及信任概念、信任模型。 二、个性化推荐系统概述 个性化推荐研究直到20世纪90年代才被作为一个独立的概念提出来。电子商务个性化推荐系统的正式定义由Resniek&Varian在1997年给出：电子商务个性化推荐系统是利用电子商务网站向用户提供产品信息和相关建议，帮助用户决定购买什么产品，通过模拟销售人员帮助用户完成购物过程的系统。这个定义现在已经被广泛的应用。推荐系统的使用者是用户(电子商务活动中的用户)，推荐的对象是项目。项目是推荐系统提供给用户的产品和服务，也即最终的推荐内容。 个性化推荐系统是指根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品。它是建立在海量数据挖掘基础上的一种高级商务智能平台，以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。购物网
文献综述的主要方法 文献综述抽取某一个学科领域中的现有文献，总结这个领域研究的现状，从现有文献及过去的工作中，发现需要进一步研究的问题和角度。 文献综述是对某一领域某一方面的课题、问题或研究专题搜集大量情报资料，分析综合当前该课题、问题或研究专题的最新进展、学术见解和建议，从而揭示有关问题的新动态、新趋势、新水平、新原理和新技术等等，为后续研究寻找出发点、立足点和突破口。 文献综述看似简单．其实是一项高难度的工作。在国外，宏观的或者是比较系统的文献综述通常都是由一个领域里的顶级“大牛”来做的。在现有研究方法的著作中，都有有关文献综述的指导，然而无论是教授文献综述课的教师还是学习该课程的学生，大多实际上没有对其给予足够的重视。而到了真正自己来做研究，便发现综述实在是困难。 约翰W.克雷斯威尔（John W. Creswell）曾提出过一个文献综述必须具备的因素的模型。他的这个五步文献综述法倒还真的值得学习和借鉴。 克雷斯威尔认为，文献综述应由五部分组成：即序言、主题1（关于自变量的）、主题2（关于因变量的）、主题3（关于自变量和因变量两方面阐述的研究）、总结。 1. 序言告诉读者文献综述所涉及的几个部分，这一段是关于章节构成的陈述。在我看也就相当于文献综述的总述。 2. 综述主题1提出关于“自变量或多个自变量”的学术文献。在几个自变量中，只考虑几个小部分或只关注几个重要的单一变量。记住仅论述关于自变量的文献。这种模式可以使关于自便量的文献和因变量的文献分开分别综述，读者读起来清晰分明。 3. 综述主题2融合了与“因变量或多个因变量”的学术文献，虽然有多种因变量，但是只写每一个变量的小部分或仅关注单一的、重要的因变量。 4. 综述主题3包含了自变量与因变量的关系的学术文献。这是我们研究方案中最棘手的部分。这部分应该相当短小，并且包括了与计划研究的主题最为接近的研究。或许没有关于研究主题的文献，那就要尽可能找到与主题相近的部分，或者综述在更广泛的层面上提及的与主题相关的研究。 5. 在综述的最后提出一个总结，强调最重要的研究，抓住综述中重要的主题，指出为什么我们要对这个主题做更多的研究。其实这里不仅是要对文献综述进行总结，更重要的是找到你要从事的这个研究的基石（前人的肩膀），也就是你的研究的出发点。 在我看来，约翰.W.克雷斯威尔所提的五步文献综述法，第1、2、3步其实在研究实践中都不难，因为这些主题的研究综述毕竟与你的研究的核心问题有距离。难的是第4步，主题3的综述。难在哪里呢？一是阅读量不够，找不到最相
工程项目管理模式研究文献综述 姓名：代飞学号：0745513210 专业：工程管理 一、《对当前大型工程项目管理模式的思考》作者：武海清 文章在分析当前业主方大型工程项目管理内涵、工程项目管理主要模式及监理服务范畴的基础上，提出了较为适应当前建设环境下的大型工程全过程监理模式。 1、工程项目管理内涵： （1）工程项目计划管理和综合协调 （2）工程项目各阶段任务划分和目标确定 （3）工程项目进度管理和目标控制 （4）投资控制及费用管理 （5）质量管理 （6）人力资源管理 （7）沟通信息 （8）采购管理 （9）项目风险管理 2、工程项目管理主要模式： （1）项目管理服务（PM） （2）项目管理承包
（3）工程一体化项目管理（IPMT） 3、当前项目管理公司的主要业务范围 4、当前工程监理的主要服务范畴及内容 可以看出，监理服务的内涵已经从施工阶段的“三控两管一协调”逐步延伸到项目前期阶段监理、设计监理以及后期的保修阶段监理。 二、工程项目管理模式的比较分析作者：彭韶辉 文章结合对工程项目管理模式的实质概述，对目前流行的几种主要的项目管理模式特点进行比较，分析项目管理模式的适应环境和条件，分析了各模式的优缺点，提出根据企业特点建立项目管理组合模式的观点 1、工程项目管理模式分析 （1）设计——招标——建造模式，优点是，参与工程项目的三方即业主、设计机构、承包商在各自合同的约定下，各自行使自己的权利和履行义务；缺点是设计的可施工性差，监理工程师控制项目目标能力不强、工期长，不利于工程事故的责任划分，由于图纸问题产生争端等。 （2）设计采购建设模式，是将设计与施工委托给一家公司来完成，主要特点是业主把工程的设计、采购、施工和开工服务工作全部托付给工程总承包商负责组织实施，业主只负责整体的、原则的、目标的管理和控制（3）项目管理承包模式，该模式指项目管理承包商代表业主对工程项目进行全过程、全方位的项目管理 （4）代理型模式，采用CM制进行项目管理，关键在于选择项目经理（5）建造——运营——移交模式（BOT）是指项目确定招标→项目发起