推薦系統文獻

1. 計算機系論文，利用用戶之間的關系進行推薦系統設計

首先你需要進行一個框架的設計，是cs或者是bs的，然後你需要選擇使用社么程序語言進行實現。
其次，你需要進行程序架構和資料庫的設計，這個就到了你的問題了。你的程序主要是一個用戶管理和一個知識共享，現在看來是這樣的。
這樣的系統建議使用bs結構，這個東西看起來像豆瓣，你可以找找相關的模型，簡單的話asp首選。

資料庫部分，主要圍繞兩個實體一個是客戶，一個是你推薦的東西。
設計書可以個參加cmmi標准，希望能幫到你。

2. 求有關電子商務系統推薦技術的應用研究論文

[摘 要] 隨著電子商務的不斷深入發展，電子商務推薦系統的應用更加廣泛。文章主要介紹了目前應用較廣的幾種電子商務推薦系統中的推薦技術，並對這幾種推薦技術存在的問題進行了分析。
[關鍵詞] 電子商務 推薦系統 推薦技術

一、引言
隨著網路的廣泛普及，電子商務對傳統的商貿活動產生了革命性的變化，產生從以商品為中心到以客戶為中心的商業模式的轉變。新的商業環境在為企業提供新的商機的同時，也對企業提出了新的挑戰。圍繞客戶進行服務，為客戶提供所需要的商品，所以對每個客戶提供個性化的服務已經成為必要。而電子商務推薦系統成為解決問題的重要途徑。本文研究了電子商務推薦系統中的各類推薦技術。
二、電子商務推薦系統
電子商務推薦系統定義為：利用電子商務網站向用戶提供商品信息和建議，幫助客戶決定應該購買什麼產品，模擬銷售人員幫助客戶完成購買過程。它是一個基於客戶網上購物的以商品為推薦對象的個性化推薦系統，為客戶推薦符合其興趣愛好的商品。分析客戶的消費偏向，向每個客戶具有針對性地推薦的產品，幫助客戶從龐大的商品目錄中挑選真正適合自己需要的商品。電子商務推薦系統在幫助了客戶的同時也提高了客戶對商務活動的滿意度,從而換來對電子商務站點的進一步支持。
電子商務推薦系統主要起到了三個方面的作用：首先，極大地增加了客戶，可以把網站的瀏覽者轉變為購買者，提高主動性；其次，可以提高網站相關系列產品的連帶銷售能力；最後，可以提高、維持客戶對網站的滿意度和信任度。
電子商務推薦系統具有良好的發展和應用前景。在日趨激烈的競爭環境下，電子商務推薦系統能有效保留客戶，提高電子商務網站系統能大大提高企業的銷售額。成功的電子商務推薦系統將會產生巨大的經濟效益和社會效應。
三、電子商務推薦技術
目前,電子商務推薦系統中使用的主要推薦技術有基於內容推薦,協同過濾推薦,基於知識推薦,基於效用推薦，基於關聯規則推薦,混合推薦等等。
1.基於內容的推薦。它是信息過濾技術的延續與發展，項目或對象通過相關特徵的屬性來定義，系統基於商品信息, 包括商品的屬性及商品之間的相關性和客戶的喜好來向其推薦。基於商品屬性主要是基於產品的屬性特徵模型推薦。
內容推薦技術分析商品的屬性及其相關性可以離線進行，因而推薦響應時間快。缺點是難以區分商品信息的品質和風格，而且不能為用戶發現新的感興趣的商品，只能發現和用戶已有興趣相似的商品。
2.協同過濾推薦。協同過濾推薦是目前研究最多、應用最廣的電子商務推薦技術。它基於鄰居客戶的資料得到目標客戶的推薦,推薦的個性化程度高。利用客戶的訪問信息,通過客戶群的相似性進行內容推薦,不依賴於內容僅依賴於用戶之間的相互推薦,避免了內容過濾的不足,保證信息推薦的質量。協同過濾推薦優點有:能為用戶發現新的感興趣的商品;不需要考慮商品的特徵,任何形式的商品都可以推薦。缺點是:稀疏性問題,用戶對商品的評價矩陣非常稀疏;可擴展性問題,隨著系統用戶和商品的增多,系統的性能會越來越低;冷啟動問題,如果從來沒有用戶對某一商品加以評價,則這個商品就不可能被推薦。
3.基於知識的推薦。在某種程度上可以看成是一種推理技術，各個方法因所用的知識不同而有明顯區別。基於知識的推薦提出了功能知識的概念。簡單的說，功能知識是關於某個項目如何滿足某個特定客戶的知識，它能解釋需要和推薦之間的關系。在基於知識的推薦看來，客戶資料可以是任何能支持推理的知識結構，並非一定是用戶的需要和偏好。
4.基於效用的推薦。它是根據對客戶使用項目的效用進行計算的，核心問題是如何為每個客戶創建效用函數，並考慮非產品屬性，如提供商的可靠性和產品的可用性等。它的優點是能在效用函數中考慮非產品因素。效用函數通過交互讓用戶指定影響因素及其權重對於大多數用戶而言是極其繁瑣的事情，因而限制了該技術的應用。
5.基於關聯規則的推薦系統往往利用實際交易數據作為數據源，它符合數據源的通用性要求。以關聯規則為基礎，把已購商品作為規則頭,推薦對象作為規則體,其中關聯規則的發現最關鍵且最耗時,但可以離線進行。其特點是實現起來比較簡潔,推薦效果良好,並能動態地把客戶興趣變化反映到推薦結果中。
6.混合推薦技術。混合推薦系統整合兩種或更多推薦技術以取得更好的實際效果。最常見的做法是將協同過濾推薦技術與其它某一種推薦技術相結合。例如,結合基於協同過濾和基於內容推薦這兩種推薦技術,盡量利用它們的優點而避免其缺點,提高推薦系統的性能和推薦質量。比如,為了克服協同過濾的稀疏性問題,可以利用用戶瀏覽過的商品預期用戶對其他商品的評價,這樣可以增加商品評價的密度,利用這些評價再進行協同過濾,從而提高協同過濾的性能。
四、總結
電子商務推薦系統，一方面有助於電子商務網站內容和結構自適應性的實現，另一方面在幫助客戶快速定位感興趣的商品的同時也為企業實現了增值。電子商務推薦系統作為有利的分析工具和促銷手段，已成為電子商務網站的競爭工具，必將獲得廣泛的應用和發展。本文對電子商務推薦系統進行了介紹，並對推薦技術進行了概述。目前國內的電子商務網站在這方面的實踐處在快速發展的階段，因此還需要繼續研究出更智能、更優化的電子商務推薦技術。
參考文獻：
[1]梁 英:電子商務個性化推薦技術研究[J].商場現代化,2007,26
[2]鄧曉輝 漆 強:淺析電子商務推薦系統[J].企業經濟,2007,08

3. 求對電子商務推薦系統的研究與分析的論文和開題報告

可以去淘寶的《翰林書店》店鋪，店主應該能幫你下載到這論文

4. 基於web的學術信息推薦系統的實現論文的難度大嗎

於web的學術信息推薦系統的實現 這樣你覺得如何,的
確

5. 推薦系統做論文推薦的多嗎有哪些

論文推薦：如類似的知網維普 文庫算比較知名的吧

6. 推薦系統有哪些比較好的論文

本科用萬方、研究生碩士階段用知網、基本要求是30%以下，嚴格的重點的211工程重點大學是20%以下，希望能幫到你。 關於知網相關抽查規定： 有規定的，可以進行第一次修改，修改之後通過就可以答辯，如果第二次不通過就算結業，在之後4個月內還要交論文或者設計的。這個是在抄襲30%的基礎上的。 如果抄襲50%以上的話，直接結業 在之後4個月內還要交論文或者設計的。1．被認定為抄襲的本科畢業設計（論文），包括與他人已有論文、著作重復總字數比例在30%至50%（含50%）之間的，需經本人修改。修改後經過再次檢測合格後，方可參加學院答辯。再次檢測後仍不合格的，按結業處理。須在3 個月後提交改寫完成的畢業設計（論文），檢測合格後再參加答辯。2．被認定為抄襲的本科畢業設計（論文），且與他人已有論文、著作重復總字數比例超過50%的，直接按結業處理。須在4 個月後提交改寫的畢業設計（論文），檢測合格後再參加答辯。 知網系統計算標准詳細說明： 1．看了一下這個系統的介紹，有個疑問，這套系統對於文字復制鑒別還是不錯的，但對於其他方面的內容呢，比如數據，圖表，能檢出來嗎？檢不出來的話不還是沒什麼用嗎？ 學術不端的各種行為中，文字復制是最為普遍和嚴重的，目前本檢測系統對文字復制的檢測已經達到相當高的水平，對於圖表、公式、數據的抄襲和篡改等行為的檢測，目前正在研發當中，且取得了比較大的進展，歡迎各位繼續關注本檢測系統的進展並多提批評性及建設性意見和建議。 2．按照這個系統39%以下的都是顯示黃色,那麼是否意味著在可容忍的限度內呢?最近看到對上海大學某教師的國家社科基金課題被撤消的消息,原因是其發表的兩篇論文有抄襲行為,分別佔到25%和30%. 請明示超過多少算是警戒線？ 百分比只是描述檢測文獻中重合文字所佔的比例大小程度，並不是指該文獻的抄襲嚴重程度。只能這么說，百分比越大，重合字數越多，存在抄襲的可能性越大。是否屬於抄襲及抄襲的嚴重程度需由專家審查後決定。 3．如何防止學位論文學術不端行為檢測系統成為個人報復的平台？ 這也是我們在認真考慮的事情，目前這套檢測系統還只是在機構一級用戶使用。我們制定了一套嚴格的管理流程。同時，在技術上，我們也採取了多種手段來最大可能的防止惡意行為，包括一系列嚴格的身份認證，日誌記錄等。 4．最小檢測單位是句子，那麼在每句話里改動一兩個字就檢測不出來了么？ 我們對句子也有相應的處理，有一個句子相似性的演算法。並不是句子完全一樣才判斷為相同。句子有句子級的相似演算法，段落有段落級的相似演算法，計算一篇文獻，一段話是否與其他文獻文字相似，是在此基礎上綜合得出的。 5．如果是從相關書籍上摘下來的原話，但是此話已經被資料庫中的相關文獻也抄了進去，也就是說前面的文章也從相關書籍上摘了相同的話，但是我的論文中標注的這段話來自相關的書籍，這個算不算學術抄襲？ 檢測系統不下結論，是不是抄襲最後還有人工審查這一關，所以，如果是您描述的這種情況，專家會有相應判斷。我們的系統只是提供各種線索和依據，讓人能夠快速掌握檢測文獻的信息。 6．知網檢測系統的權威性？ 學術不端文獻檢測系統並不下結論，即檢測系統並不對檢測文獻定性，只是將檢測文獻中與其他已發表文獻中的雷同部分陳列出來，列出客觀事實，而這篇檢測文獻是否屬於學術不端，需專家做最後的審查確認。 第一步：初稿一般重復率會比較高(除非你是自己一字一句寫的大神)，可以採用萬方、papertest去檢測，然後逐句修改。這個系統是逐句檢測的，也就是說你抄的任何一句話都會被檢測出來。這種檢測演算法比較嚴格，從程序的角度分析這種演算法比較簡單。因而網上賣的都很便宜，我測的是3萬字，感覺還是物美價廉的。(注意：1 這個庫不包含你上一屆研究生師兄的大論文，修改一定注意. 2 個人建議如果學校是用萬方檢測，就不要去檢測維普之類的 先把論文電子版復制一份，保存一份。看檢測結果，其中一份復制的備份論文，把檢測出重復的部分能刪了先刪了，把不能刪的，15字以內改一改，最好是加減字元，不要改順序，改順序沒太大用，參考文獻刪掉一部分，不能刪的話，先改下，英文文獻可以15個字元換一個詞。把修改過的上交，重新過系統檢查。保存的原論文稍做改動上交紙質版。那個系統很麻煩的，很多沒看過沒應用過的文獻都能給你加上，可見中國人抄襲的功夫，都是互相抄，但是為了保證論文的完整性和表述的准確性，不要隨意改動，上交的紙質版，一定要斟酌，一般檢查完就不會再過檢測系統了，所以紙質版的不用擔心。 第二步：經過修改後，重復率大幅下降了。這時你可以用知網查了，知網查重系統是逐段檢測的，比較智能。檢測後再做局部修改就基本上大功告成了，我最後在網上用知網查是4%，簡單修改後，在學校查是1.5%。 注意：記住，最忌諱的是為了查重，把論文語句改得語句不通、毫無邏輯，這樣是逃不過老師的，哈哈，大家加油！

7. 推薦系統做論文推薦的多嗎有哪些

如果對你的意思理解准確的話，你需要的應該是架構建模工具，而非繪制UML等架構視圖的工具，如果僅僅是後者，用繪圖板、PPT完全可以做到，只是沒那麼方便而已。 目前最流行的架構設計建模工具主要有: 1)IBM Rational 建模工具是大量企業都選擇的，包括 Rational Software Modeler、Rational Software Architect、Rational Application Developer、Rational Modeling Extensions for .NET Rational工具套件非常全面、專業，唯一的缺點是貴。Rational Rose屬於早期的工具，現在已經過時了，被IBM放棄了。 2)EA，也是很多企業都選擇的工具，非常簡潔、有效 3)Visual Studio:建模能力很強大，微軟一派選擇她很方便 其餘還有很多小眾的工具，企業內部的建模工具，各有優勢，就不多說了。

8. 有哪些關於推薦系統的前沿資料或者文獻值得推薦

這個需要自己學會檢索