动态推荐技术的研究及在个性化电子警务中的应用

动态推荐技术的研究及在个性化电子警务中的应用

论文摘要

现代通信技术、Internet技术和多媒体技术的快速发展,在使用户能够快捷获取形式多样信息资源的同时,也不可避免的带来了“信息过载”( Information Overload)的问题。Internet媒体的使用或传递者,通过他们对资源的偏好、社会关系、任务协作等关联起来,形成了一种新型的推荐关系网络。为这种推荐关系网络提供感兴趣的信息,是减少信息过载和实现应用系统个性化的主要途径。实现上述推荐关系网络的基础是个性化推荐技术,它的研究涉及信息检索、数据挖掘、人工智能、社会学等众多领域。“电子警务”是改变传统警务方式、提高警务工作水平的重要措施。电子警务的个性化是指以网络方式进行的警务活动个性化,就是公安部门如何利用电子警务平台,对警务活动进行再造,通过开放式网络环境向警员提供个性化的办公流程和服务。在电子警务的个性化实现中,个性化推荐技术是基本的关键技术之一。本论文围绕开放式环境下的个性化推荐技术、模型及算法展开调研,对个性化推荐技术、特别是现有推荐系统的社区结构发现技术进行了系统的分析和比较。针对用户行为的刻画与兴趣获取、相似用户查找、个性化推荐策略、和社区自组织等问题,进行了分析和研究。在此基础上,基于协同过滤技术,提出了一种基于多级智能代理的自组织互惠社区构建及推荐算法,来完成动态个性化推荐,并对该算法的有效性和鲁棒性进行了验证。最后,结合公安数据种类繁多,各警种对公安数据的兴趣参差不齐的特点,将上述个性化动态推荐技术的研究结果应用于电子警务领域,以减少警务人员信息过载的问题。并且针对某市电子警务现状,开发了基于学习社区监控和动态个性化数据资源推荐的电子警务查询系统,实现相同兴趣警员的自组织,并提供资源推荐、资源共享、协同交流等功能,帮助警员有效共享资源和经验。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 电子警务的个性化
  • 1.2 面向电子警务的个性化推荐技术
  • 1.2.1 推荐系统的概述
  • 1.2.2 个性化推荐技术
  • 1.3 基于分布式协同过滤的动态推荐技术
  • 1.4 本文的主要研究内容
  • 1.5 主要贡献及章节组织
  • 第二章 个性化推荐技术分析
  • 2.1 基于内容的过滤技术
  • 2.2 协同过滤技术
  • 2.3 基于知识的推荐技术
  • 2.4 基于功能的推荐技术
  • 2.5 基于人口统计学的推荐技术
  • 2.6 其他领域技术在推荐系统中的应用
  • 2.7 各种推荐技术的优缺点比较
  • 2.8 现有推荐技术存在的问题
  • 2.9 本章小结
  • 第三章 基于自组织社区的动态推荐技术
  • 3.1 基于自组织社区的动态推荐技术
  • 3.2 自组织社区的概念模型
  • 3.2.1 参数说明
  • 3.2.2 概念模型
  • 3.3 推荐系统的社区结构发现方法
  • 3.3.1 基于信息统计的用户档案匹配方法
  • 3.3.2 基于用户打分相似度计算的方法
  • 3.3.3 基于隐式信息挖掘的方法
  • 3.3.4 基于社会网络构建的方法
  • 3.3.5 基于小世界网络的方法
  • 3.4 基于组代理的互惠社区仿真模型
  • 3.4.1 用户代理功能定义
  • 3.4.2 组代理功能定义
  • 3.5 用户建模及系统初始化
  • 3.6 启发式社区自组织发现算法
  • 3.6.1 相似用户匹配及推荐机制
  • 3.6.2 信任奖励与动态交换机制
  • 3.6.3 R3H-SORC 算法
  • 3.7 基于用户偏好特征向量的社区自组织算法
  • 3.7.1 向量空间模型
  • 3.7.2 用户偏好特征向量获取及用户建模
  • 3.7.3 IFV-SORC 算法
  • 3.8 本章小结
  • 第四章 个性化电子警务查询系统总体设计
  • 4.1 电子警务查询系统的个性化
  • 4.2 电子警务查询系统的功能需求
  • 4.3 电子警务查询系统的架构
  • 4.4 电子警务查询系统的推荐机制
  • 4.5 本章小结
  • 第五章 动态推荐技术在电子警务查询中的应用
  • 5.1 某市电子警务现状
  • 5.1.1 某市公安信息科技现状
  • 5.1.2 某市公安业务数据使用中问题的提出
  • 5.2 某市公安警务信息查询系统简介
  • 5.3 推荐算法在某市电子警务查询系统中的应用
  • 5.4 本章小结
  • 第六章 总结
  • 参考文献
  • 致谢
  • 相关论文文献

    • [1].网站中个性化推荐的探究[J]. 现代职业教育 2017(02)
    • [2].智能衣物搭配系统的设计与实现[J]. 福建电脑 2019(07)
    • [3].基于Hadoop和MapReduce的商品推荐[J]. 计算机时代 2019(07)
    • [4].基于隐性评分的微博关注推荐方法研究[J]. 江苏商论 2018(01)
    • [5].基于Hadoop的网购行为分析[J]. 中外企业家 2019(16)
    • [6].基于Mahout的图书推荐系统研究[J]. 重庆科技学院学报(自然科学版) 2019(04)
    • [7].基于互联网+背景下的公共信息个性化推荐[J]. 科技与创新 2018(07)
    • [8].基于RFMQ模型的零售企业个性化推荐模型与应用研究[J]. 现代商业 2019(24)
    • [9].基于RFM模型的超市个性化推荐方法研究及实现[J]. 现代商业 2019(04)
    • [10].基于众包的图片标注系统[J]. 计算机与现代化 2019(08)
    • [11].融合用户特征的加权SlopeOne算法[J]. 泉州师范学院学报 2018(06)
    • [12].一种基于权重矩阵的协同过滤算法的相似度度量方法[J]. 现代电子技术 2019(22)
    • [13].基于特征的兴趣推荐系统研究[J]. 自动化与仪器仪表 2017(09)
    • [14].个性化推荐技术在微课系统中的应用[J]. 软件工程 2019(12)
    • [15].基于单片机的校园思政教育移动终端控制器研究[J]. 电子测量技术 2019(17)
    • [16].基于个性化推荐的英语辅助教学系统设计[J]. 微型电脑应用 2019(05)
    • [17].简单个性化推荐策略研究[J]. 电脑知识与技术 2017(03)
    • [18].数字图书馆推荐系统协同过滤算法改进及实证分析[J]. 图书情报工作 2017(09)
    • [19].电子商务个性化推荐系统综述[J]. 商 2015(43)
    • [20].个性化推荐系统中协同过滤方法的研究[J]. 电脑知识与技术 2014(27)
    • [21].基于协同过滤算法的室内设计推荐技术[J]. 现代电子技术 2020(13)
    • [22].TopN推荐系统的差分隐私保护研究[J]. 中国科技论文 2017(20)
    • [23].网络安全中基于用户群体偏好的隐私保护算法[J]. 自动化技术与应用 2019(12)
    • [24].注入主流价值导向的电影个性化推荐研究[J]. 现代电影技术 2020(08)
    • [25].基于SSM框架的高并发电子商务平台设计与实现[J]. 电子商务 2019(03)
    • [26].基于机器学习的核电文档个性化推荐系统研究[J]. 电力大数据 2019(09)
    • [27].互联网+背景下利用数据分析技术解决共享美妆经济问题的研究[J]. 信息通信 2020(05)
    • [28].融合多维信息的协同过滤算法研究[J]. 电子科技 2017(02)
    • [29].基于Item-Based协同过滤农业高校图书个性化推荐算法研究——以河北农业大学为例[J]. 湖北农业科学 2017(06)
    • [30].基于云计算的驾考推荐平台[J]. 电脑知识与技术 2017(21)

    标签:;  ;  ;  ;  

    动态推荐技术的研究及在个性化电子警务中的应用
    下载Doc文档

    猜你喜欢