推荐系统范文10篇

*同志，男，**岁，大专文化程度，****年**月参加工作，先后担任过营业员、分拣员、综合员、东局邮电局局长、邮政局经营部副主任等职，邮电分营后任***市邮政局报刊发投公司经理、储汇分局局长，***年元月任****区局长，2004年6月至今任经营服务部主任。

该同志具有较高的政治素质，扎实的理论功底，又有较丰富的实践经验，业务能力很强。从事邮电工作17年来，无论在哪个岗位上工作，都能做到敬业爱岗、认真钻研、勇于创新，工作成绩都十分突出。其主要表现有：

一、****年至****年任储汇分局局长的三年期间，邮储余额增长了**个亿，刷新了株洲邮储业务发展的最高纪录；同时，他还致力于邮储中间业务的发展，通过制定一系列中间业务发展的激励措施，让株洲邮储中间业务步入了良性快速发展的轨道。****年邮储网点代收话费达到了***个亿，市场占有率由原来的22%上升到30%；***年保险业务***万元，取得了我局保险以来最好业绩。

二、***元月开始任***区局区局长，上任伊始，他针对区局业务发展确定了“一月一突破”，所有业务“均衡发展”的经营模式。其邮储业务从元月开始，增长速度一直处于“领跑者”地位，同时其它重点业务的发展也齐头并进。他重点抓好了窗口营销的“三个转变”，即普包转快包、挂号转特快、普通汇款转新业务汇款，取得了很好成效。其电子汇兑新业务占比达到80.58%,所辖的火车站支局新业务比重高达99.3%，区局仅此一项每月增收7.73万元，快包占比届提高了近40个百分点，每月增收4万元，我局把***区局成功经验和现形做法在全区进行了推广，其他区局和县局纷纷借鉴，使我局2004年汇兑业务在开发张数和开发金额都大幅下降的情况下，保持了收入与去年持平，包件业务在专项整治之后虽然业务量下降，业务收入也保持了持平。

三、2004年6月份该同志根据组织安排，离开已打下良好基础的***局局长职务，到市场经营部任经营部主任。他更是利用自己拥有的专业知识和实际工作经验，多次成功地策划了业务营销活动，取得了非常可观的经济效益，其中有多项营销项目为我局业务发展史上首创。

（一）、筹备召开“产品说明会”，使我局的大客户营销工作踏上了一个新台阶。

*同志，男，**岁，大专文化程度，****年**月参加工作，先后担任过营业员、分拣员、综合员、东局邮电局局长、邮政局经营部副主任等职，邮电分营后任***市邮政局报刊发投公司经理、储汇分局局长，***年元月任****区局长，20*年6月至今任经营服务部主任。该同志具有较高的政治素质，扎实的理论功底，又有较丰富的

实践经验，业务能力很强。从事邮电工作17年来，无论在哪个岗位上工作，都能做到敬业爱岗、认真钻研、勇于创新，工作成绩都十分突出。其主要表现有：

一、****年至****年任储汇分局局长的三年期间，邮储余额增长了**个亿，刷新了株洲邮储业务发展的最高纪录；同时，他还致力于邮储中间业务的发展，通过制定一系列中间业务发展的激励措施，让株洲邮储中间业务步入了良性快速发展的轨道。****年邮储网点代收话费达到了***个亿，市场占有率由原来的22上升到30；***年保险业务***万元，取得了我局保险以来最好业绩。

二、***元月开始任***区局区局长，上任伊始，他针对区局业务发展确定了“一月一突破”，所有业务“均衡发展”的经营模式。其邮储业务从元月开始，增长速度一直处于“领跑者”地位，同时其它重点业务的发展也齐头并进。他重点抓好了窗口营销的“三个转变”，即普包转快包、挂号转特快、普通汇款转新业务汇款，取得了很好成效。其电子汇兑新业务占比达到80.58,所辖的火车站支局新业务比重高达99.3，区局仅此一项每月增收7.73万元，快包占比届提高了近40个百分点，每月增收4万元，我局把***区局成功经验和现形做法在全区进行了推广，其他区局和县局纷纷借鉴，使我局20*年汇兑业务在开发张数和开发金额都大幅下降的情况下，保持了收入与去年持平，包件业务在专项整治之后虽然业务量下降，业务收入也保持了持平。

三、20*年6月份该同志根据组织安排，离开已打下良好基础的***局局长职务，到市场经营部任经营部主任。他更是利用自己拥有的专业知识和实际工作经验，多次成功地策划了业务营销活动，取得了非常可观的经济效益，其中有多项营销项目为我局业务发展史上首创。

（一）、筹备召开“产品说明会”，使我局的大客户营销工作踏上了一个新台阶。

【摘要】现今家庭数字化已经是大势所趋，网络信息技术也已然融入到了我国的千家万户中，进而推进大数据时代的到来。在当今时代背景下，如何在海量的信息中为用户筛选出具有个性化、智能化的数据不仅是当前推荐系统所要攻克的重要难题，实质也是其发展机遇。智能推荐系统兴起不久，乃是一项新兴科技，该类系统能够智能化地分析用户的个人信息、行为偏好与社会关系等因素，并有效为用户推荐出合适的数据。鉴于此，本文将基于协同信息筛选技术，并结合个性化数据挖掘技术，构建研究一个智能推荐系统，相信对于智能推荐系统的进一步普及与发展具有一定积极作用。

【关键词】智能推荐系统；个性化；数据挖掘；应用

互联网技术的不断发展与革新，致使数字化家庭这一概念已然成为现实。就当前而言，人们在运用互联网技术进行观影、购物以及看书等日常活动时，越来越希望各项app或网页能够为自身推荐具有个人偏好的信息。一般来说，智能推荐系统的成功运用是通过把不同用户的个人信息或个人偏好与特殊的参数数据相比较，得出相对客观的结论，进而预测用户对于一些未接触项目的喜好程度。这里所说的参数数据不是一个特定的元素，即可能是用户所处的社会环境与社交关系，也可能是从用户曾经接触过的类似项目中得出。

1.系统构成

本文中所涉及的网络影视智能推荐系统具有两个重要目标，其一是能够依据不同用户的行为喜好，从海量的影视数据库中筛选出适宜的影视推荐项目；其二是能够实时、迅捷为用户更新偏好信息。为了将这两个目标变为现实，本文将构成一个三层应用处理的系统。即当系统收到用户发出的请求时，系统接口就会迅速将用户的请求发送至系统的中间层，随后位于中间层的搜索引擎就会迅速作出反应，并根据用户的各项偏好信息与自身影视媒体库的内容进行分析处理，最后再把分析出的数据内容制定成推荐列表传回给用户。用户在收到由智能推荐系统所推荐的影视数据时，可以通过点击试看或预览影视介绍等方式，决定是否采纳观看系统所推荐内容。只要用户确定其所偏好的内容，系统就会利用自身的索引技术为用户提供相应的影视资源[1]。总而言之，该系统主要由三子系统所组成。1.1管理员子系统。该子系统主要执行影视数据库的资料进行实时更新、定期删减与管理用户信息等任务，进而保障该系统搜索引擎的时效性，使之能够迅速完善参数设置，改善相应的关联机制。1.2用户信息处理子系统。该子系统主要管理用户的个人信息档案，例如用户的民族、性别、职业、社交与年龄等等。除此之外，该系统还将管理个人用户的交易信息，为用户提供相应的注册、充值与登录等服务。1.3推荐子系统推荐子系统是管理关联机制的重要力量，通过与其他子系统的相互配合，迅速为用户推荐出具有个性化与智能化的影视推荐项目。该系统的构建是基于资料搜索技术的，并结合了不同用户的交易信息与个人基础信息库。

2.系统方案

摘要：在生物信息学系统设计中引进推荐系统，提出具有个性化服务的生物信息学网站模型，完成生物信息学推荐系统的设计和实现，体现出推荐系统在生物信息学中使用的必要性和优越性。

关键词：推荐系统；生物信息学

推荐系统(RecommenderSystem)[1]是个性化信息服务的主要技术之一，它实现的是“信息找人，按需服务”；通过对用户信息需要、兴趣爱好和访问历史等的收集分析，建立用户模型，并将用户模型应用于网上信息的过滤和排序，从而为用户提供感兴趣的资源和信息。生物信息学(Bioinformatics)[2,3]是由生物学、应用数学和计算机科学相互交叉所形成的一门新型学科；其实质是利用信息科学的方法和技术来解决生物学问题。20世纪末生物信息学迅速发展，在信息的数量和质量上都极大地丰富了生物科学的数据资源，而数据资源的急剧膨胀需要寻求一种科学而有力的工具来组织它们，基于生物信息学的二次数据库[4]能比较好地规范生物数据的分类与组织，但是用户无法从大量的生物数据中寻求自己感兴趣的部分（著名的生物信息学网站NCBI(美国国立生物技术信息中心)，仅仅是小孢子虫(Microsporidia)的DNA序列就达3399种），因此在生物二次数据库上建立个性化推荐系统，能使用户快速找到自己感兴趣的生物信息。特别是在当前生物信息数据量急剧增长的情况下，生物信息学推荐系统将发挥强大的优势。

1推荐系统的工作流程

应用在不同领域的推荐系统，其体系结构也不完全相同。一般而言，推荐系统的工作流程[5]如图1所示。

(1)信息获取。推荐系统工作的基础是用户信息。用户信息包括用户输入的关键词、项目的有关属性、用户对项目的文本评价或等级评价及用户的行为特征等，所有这些信息均可以作为形成推荐的依据。信息获取有两种类型[6]，即显式获取(Explicit)和隐式获取(Implicit)，由于用户的很多行为都能暗示用户的喜好，因此隐式获取信息的准确性比显式高一些。

摘要：现阶段，大数据技术被广泛应用到多个行业，尤其是大数据带来的个性化推荐服务系统，在电子商务行业得到了普及并且取得了卓越成绩。本文针对大数据背景下电子商务个性化推荐服务系统实施基础工作进行了具体阐述，以期促进电子商务服务个性化与智能化的发展实践。

关键词：大数据;电子商务;个性化推荐

当前，电子商务在各个行业领域的广泛应用，针对“基于大数据的个性化信息推荐的服务模式”也受到了学者的高度关注。电子商务类网站除了可以为用户提供商品与服务，并且也增加了消费者在大量信息中快速、精准搜索到符合其要求的产品信息难度。在大数据技术应用中个性化信息推荐功能可以随时、主动向用户推荐其所需求的商品和服务，不仅充分满足了用户对个性化消费需求，还在电子商务网站增加其消费者粘性、提升其服务品质以及市场竞争力等方面有着积极推进作用。

相关基础理论

大数据的定义。大数据，表示在新处理方法下可以使其决策能力、洞察外界环境变化能力和流程优化能力的大批量、高增长率等方面表现更佳，大数据在对大批量信息的获取以及对这些数据进行重新分配中提高其应用效率，大数据的具体分类如表1所示。大数据的特征。大数据的特征可以总结为“4V”，具体为Volume、Variety、Value、Velocity。 Volume用来解释数据规模较大，现有的数据规模级用PB来表示，而PB这一数据单位将会给其它更大的“单位”所取代，在这里面非结构化的数据会占有非常大的比例。Variety表述数据类型丰富，从阅读的题目、图片到消费历史再到网络日志等，都可以划分到大数据内容范畴之内。Value用来解释价值密度，比如视频在连续的监控中有价值的数据寥寥无几。Velocity用来解释操作效率，针对数据的操作环节这一过程非常迅速，中间的计算环节所需时间非常少，大数据和传统数据的明显区别在于：大数据可以通过传统手段对数据进行保存、分析与整理。电子商务个性化推荐服务的黎超（广东白云学院社会与公共管理学院广州510450）基金项目：2012年广东省哲学社会科学“十二五”规划项目“生命周期视角下的广东中小企业发展研究”（项目编号GD12XYJ02）中图分类号：F713文献标识码：A内容摘要：现阶段，大数据技术被广泛应用到多个行业，尤其是大数据带来的个性化推荐服务系统，在电子商务行业得到了普及并且取得了卓越成绩。本文针对大数据背景下电子商务个性化推荐服务系统实施基础工作进行了具体阐述，以期促进电子商务服务个性化与智能化的发展实践。关键词：大数据电子商务个性化推荐定义。电子商务个性化推荐系统即针对各种消费群体的不同需求为其提供针对性服务，或者电商企业主动结合消费者上网习性的异同为其提供专业的服务，为消费者创建一个高品质的购物平台。个性化内容推荐系统构建在消费者对内容的应用习惯上，满足消费者对个性化内容需求的服务。研究消费的信息应用偏好可以精确地为消费者提供信息服务，推进个性化信息内容服务业务的展开。电子商务个性化推荐服务的特征。电子商务个性化推荐服务系统是围绕消费者需求来展开的，其主要特征如下：一是服务内容针对性显著。个性化推荐服务针对性较为显著，能够满足各种消费者的不同需求，同时还可以与消费者实施信息内容交换操作，也就是消费者可以主动为信息提供方提出自身需求，同时还可以对其所接受的服务展开评分操作。上述信息内容交换模式对信息提供方不断更新以及改进其服务形式有着积极推进作用，使其所提供的服务更大程度满足消费者的个性化需求。二是服务内容多样化。客户群体还可以结合自身需要设定信息内容服务形式与信息内容获取时间，电商企业可以结合消费群体这种自定义模式为其呈现出相对应的信息内容服务。客户群体在信息内容接收模式上主要包括E-mail、音频或者视频等。除此之外，个性化信息内容服务使得消费者仅仅通过网络就可以随时随地享受个性化服务。三是服务具有主动性与时效性。个性化信息内容服务可以主动为客户群体提供服务，为客户群体实时推送最新资讯，保证为客户群体所推送的资讯有着非常强的时效性。四是服务的智能性。个性化信息内容服务具备较为显著的智能性特点，其可以根据消费群体的浏览轨迹实时刷新，为客户群体传送最新的个性化内容，并且为客户群体推送的内容都是满足客户群体消费需求的。五是电子商务个性化推荐服务的意义。对于客户群体来讲，电子商务个性化推荐可以提高消费者对所需产品的浏览效率，为消费者节省大量时间；关于内容提供对象来讲，电子商务个性化推荐系统可以保持消费者粘性和规模，利用节约时间来保证消费者的访问量，让消费者在短时间内获取更多产品内容，进而保证产品的销售业绩。随着大数据的应用，电子商务个性化推荐服务系统越来越成熟，不仅提高了电子商务类企业的市场效益，并且也丰富了其信息内容服务模式，为其服务模式有效开展提供发展平台。

主要技术应用

一、电子商务推荐系统及构成

电子商务推荐系统(RecommendationSystemsforE-Commerce)定义是：“它是利用电子商务网站向客户提供商品信息和建议，帮助用户决定应该购买什么产品，模拟销售人员帮助客户完成购买过程”。

推荐系统面对的是用户(user)，任务是为用户提供对项目(item)的推荐。用户是指推荐系统的使用者，也就是电子商务活动中的客户。项目是被推荐的对象，是指电子商务活动中提供给客户选择的产品和服务，也就是最终推荐系统返回给用户的推荐内容。在一个电子商务活动中，用户数和项目数是非常多的。推荐系统面对的当前用户，称为目标用户或者活动用户。推荐系统的当前工作，就是为根据一定的算法，给出对目标用户的推荐项目。

电子商务推荐系统主要由三大部分构成：输入模块、推荐方法模块和输出模块。输入模块用来接受用户的输入信息，用户的输入信息中最重要的是用户对项目的评价(rating)数据；推荐方法模块用来根据一定算法，根据用户数据，得出对目标用户的推荐，该模块是整个推荐系统的核心部分，个性化推荐方面的研究的很大一部分，都集中在找到好的推荐方法。输出模块主要是指得到的推荐以何种形式反馈给用户。

根据项目的特点，目前主要有两种类型的推荐系统，一种是以网页为对象的个性化推荐系统，主要采用Web数据挖掘的方法与技术，为用户推荐符合其兴趣爱好的网页；另一种是网上购物环境下的、以商品为推荐对象的个性化推荐系统，为用户推荐符合其兴趣爱好的各类产品，如各种书籍，音像等，这种推荐系统也称电子商务个性化推荐系统。

二、电子商务个性化推荐系统的作用

摘要：通过研究二维码定位技术和基于用户的协同过滤算法，分析推荐系统架构，协同过滤技术和聚类技术，促使实现基于位置服务的图书馆推荐系统，从而满足馆内读者基于位置快捷找到藏书，以及推荐读者基于位置潜在的偏好书籍，提高图书被读者借阅的概率，降低使用成本，促进图书推荐系统的理论研究。

关键词：位置服务；二维码定位；协同过滤；推荐

随着“互联网+”时代的到来，创新2.0推动下的互联网信息技术思维不断改进着社会经济形态，促使创造新业态。尤其随着移动互联网、人们智能手机以及先进的GPS定位技术的使用，推动了基于位置的服务方面的发展，这在旅游产业、物流产业已逐渐衍生了较多位置数字产品，但在图书馆建设基于位置的服务还显得较为苍白。在数字经济时代，图书馆由纸质迈向了数字技术时代，实现数字藏书，尽管较多地区图书馆推出“移动图书馆”微信公众号、APP等，但对于读者的位置却显得较为局限，没有很好地利用基于位置给读者的智能推荐服务。因为对于读者而言，满足个性化图书的借阅是基本需求，但目前的现状是，读者必须借助馆内的检索机获知目标图书的馆藏地信息和中图分类号，再借助每个楼层的出入口或者馆内书架口的“楼层书库-图书类别”表，找到目标书架，从而最终找到目标书籍，整个过程过于烦琐，基本靠人工操作完成，而且大多数馆内的图书中图分类号（例如K247.57）过于抽象，更别提基于读者位置为读者智能推荐潜在偏好的图书服务。因此，实践中这个问题始终存在，如何化解，成为图书馆建设研究的重要问题。毕竟馆内，读者的不同位置可能产生差异需求，即使在同一位置，不同读者的图书服务需求也有可能是不一样的。读者快速获知目标图书的位置并基于位置被智能推荐周围图书，能满足读者的基本及潜在需求，是智慧型图书馆重要的一部分。因此，本文研究国内外关于位置服务的图书馆推荐系统情况，通过研究二维码定位技术和基于用户的协同过滤算法，分析推荐系统架构，协同过滤技术和聚类技术，促使实现基于位置服务的图书馆推荐系统，从而满足馆内读者基于位置快捷找到藏书，以及推荐读者基于位置潜在的偏好书籍，提高图书被读者借阅的概率，降低使用成本，希望有益于图书推荐系统的理论研究。

一、国内外对图书馆基于位置服务的研究现状

（一）国外相关研究。国外对图书馆基于位置服务的研究较早，始于20世纪90年代，侧重研究构建馆内导航系统。对于图书馆基于位置服务的研究，美国不仅在理论上研究丰富，并积极投建于高校图书馆中。纽曼图书馆坐落在美国东海岸弗吉尼亚理工学院，其利用校园强大的全覆盖无线WIFI，研发了纽曼系统。[1]在美国的另一州，伊利诺伊大学图书馆也致力于位置服务的推荐系统研究，JimHahn试图在推荐系统上有所突破，建立一个精准的基于位置服务的推荐系统模型，为用户提供更精细的推荐服务，该推荐系统模型确定用户所在的馆内位置是通过其连接的最近Wi-Fi接入点来判断，并根据用户所在的位置，规划路线指引用户找到目标书籍，还能实时为用户提供需求服务，根据用户的研究领域或要求，为用户推荐借阅率较高的书籍或者权威资料、数字文献等。（二）国内相关研究。国内对图书馆基于位置服务的研究较多停留在理论上，较多学者强调建立智慧型图书馆，但在实践中还缺乏普及和研发。在这些学者中，本文主要阐述以下几位学者：王佶等（2013年）认为定位服务应当广泛应用于图书馆内各项服务中，譬如读者对书目检索、书刊推荐、讲座咨询、其他服务咨询等，定位服务能节省使用成本，并提出基于WIFI展开一系列的定位推荐服务，研究分析了定位服务的基础设施建设、平台建设以及步骤算法。薛涵（2014年），同样也是基于Wi-Fi馆内定位导航技术和虚拟现实设计，以哈尔滨工程大学的图书馆为实验设计背景，实现用户与借阅图书的定位线路导航，方便读者准确找到书籍，但并对基于位置的其他推荐服务分析较少。陈国钢（2014年），探索了图书馆室内定位LBS的工作模式，同时应当将此定位模式应用于多种服务类型，不单是定位导航，并注重用户的隐私和习惯。王建功等（2014年），提出在图书馆书车上安置摄像头，将二维码设置成路标，书车拍摄扫描二维码获得准确的位置坐标和线路方法。林泽斐（2014年），则将二维码与微信公众号融合，将公众平台的接口生成具有定位功能的二维码，并贴在图书馆各书架附近，用户通过微信扫一扫功能读取所在位置，使用成本低且定位精准。综上所述，国内外对图书馆基于位置服务已有研究，在美国高校图书馆甚至已有较为先进的使用，证明了本项目研究的可操作性，而在国内智慧图书馆建设中还较多停留在理论层面上，需要进一步的讨论和实践中研发。对此，本文结合二维码定位技术及基于用户的协同过滤算法，分析推荐系统架构，利用协同过滤技术，实现基于位置服务的图书推荐系统，丰富理论研究。

二、基于位置服务的推荐技术研究

【摘要】在大数据时代，智能推荐系统为我们生活带来了极大的便利，根据用户的浏览信息可以为用户提供相对应的功能、产品和服务，使得用户能够更高效地从海量数据中得到自己期望的信息数据。电影是很多人娱乐生活中不可缺少的一部分，电影推荐也是互联网推荐内容中重要的一种。本文将依托此为背景，通过数据挖掘相关算法来构建一个智能的电影推荐系统，根据用户过去观影喜好来为之个性化提供多个电影作品。

【关键词】电影推荐；数据挖掘；机器学习

1前言

随着现代科技生产力的发展，人们在空闲时间中逐渐开始追求更高要求的娱乐活动，而电影就是最为普遍的娱乐方式之一。不管是喜剧还是悲剧，都能勾起你纯真的眼泪；不管是动作片还是恐怖片，都能让你的肾上腺大开大合；不管是科幻片还是纪录片，都能让你云游古今中外。不管是去电影院，或是购买影碟，或是在网上观赏影片前，人们总是有选择性地去寻找一些更符合自己喜好的、内容精致的、更受欢迎的电影去观看。但是，如今影片的拍摄逐渐走向高产化，佳片许多，烂片也层出不穷，如果采用人工方法，在大量电影影片中找到自己真正喜欢的电影是一个耗费精力的事情。本文通过大数据挖掘技术构建了一个智能的电影推荐系统，针对不同用户，提供多个与其过去的观影信息相似度较高的符合该用户喜好的电影，满足用户的观影需求。本文使用了kaggle网站中TMDB5000MovieDataset的电影数据集，主要结合应用分类统计（ClassStatistics）、样本相似度（Correlation）分析等经典数据挖掘算法，剖析数据间的关系，从而完成电影推荐系统的相关功能。用户为系统提供一个电影的名称，该系统提供与这部电影在类型、内容、受欢迎程度、年代等综合程度最相似的五部影片。

2数据预处理

本文所使用的电影数据集，包含：电影类型（genres）、关键字（keywords）、导演（director）、演员（actor）、发行公司（compa-ny）、电影评分（IMDB）、成本（budget）、评分人数（count）、电影的发行年份（year）、发行国（country）、语言（language）等字段，共计5000多部电影详细信息。本文的智能推荐系统主要依赖电影和电影之间的“相似度”（similarity）来为用户推荐电影，在计算相似度的过程中会使用描述该电影的“关键字”（keywords）作为计算的主要因素之一。但是在这些关键字中有大量的低频词，会对计算过程产生噪音影响；关键词中还有大量的同义词，如“shadow”和“dark”，同根词，如“music”和“musical”、“train”和“training”、“apple”和“apples”，在计算相似度应该被视为同一个词。因此，我们使用以下的预处理方法对关键字进行了清洗。①本文应用python的NLTKpackage合并了同义词和同根词。②本文对频次小于五次或出现在少于三个电影的关键字进行了过滤。数据集中有一些属性需要进行离散化处理，如发行年份（releasedate），本文应用了EXCEL的YEAR（）函数和ROUND-DOWN（）函数以10年为间隔，将其分为了1930s、1940s一直到2010s（代表2010年及以后）的年代制。

[摘要]随着互联网的普及和电子商务的发展，商品推荐系统逐渐成为电子商务IT技术的一个重要研究内容，越来越多地受到研究者的关注。本文探讨了电子商务系统的构成、研究内容、研究现状，分析了目前有的推荐系统存在的缺陷和问题，提出了未来电子商务推荐系统研究的发展方向。

[关键词]电子商务；推荐系统；协作过滤；个性化推荐

随着互联网的普及和电子商务的发展，商品推荐系统逐渐成为电子商务IT技术的一个重要研究内容，越来越多地得到研究者的关注。目前，几乎所有大型的电子商务系统，如Amazon、CDNOW、eBay、当当网上书店等，都不同程度地使用了各种形式的推荐系统。

而且现在电子商务系统规模的进一步扩大，用户数目和项目数据急剧增加，迫切需要相应信息检索技术产生。商品个性化推荐技术，尤其是协同过滤技术，构成了现有电子商务个性化推荐系统的基础。在这里，之所以强调个性化，是因为需要推荐系统能为每个用户推荐适合他们偏好和兴趣的产品，而不是千篇一律的推荐。

一、电子商务推荐系统及构成

电子商务推荐系统(RecommendationSystemsforE-Commerce)定义是：“它是利用电子商务网站向客户提供商品信息和建议，帮助用户决定应该购买什么产品，模拟销售人员帮助客户完成购买过程”。

摘要：本文通过对档案管理系统的用户历史行为数据进行抽取、分析、预处理，设计了基于物品的协同过滤算法模型的档案智能推荐系统，可以在用户无法准确描述其需求时根据系统其他用户的历史行为数据智能推荐相关档案，从而在一定程度上解决了无法精准描述需求时的档案查询问题。

关键词：用户行为；协同过滤；智能推荐

一、引言

随着数字档案室建设项目的推进，以电子文件为对象，基于OCR识别、语音识别、数据挖掘、机器学习等技术实现的电子档案管理模式正在逐步取代传统纸质档案管理模式。在电子档案管理模式下，档案信息量爆炸式增加导致信息量过载和人们需求量的严重不平衡[1]529。用户要从海量电子档案中检索自己需要的档案信息变得越来越困难了。传统的搜索引擎可以通过用户输入的关键字返回与输入关键字相关的档案信息，在一定程度上缓解了档案信息过载问题，但是当用户无法精准描述档案需求的关键字时，传统搜索引擎就无能为力了。与传统的搜索引擎不同，智能推荐系统并不需要用户提供精准的用档需求，而是通过分析档案用户行为信息（档案用户行为信息是指用户在档案管理系统中进行检索、浏览、下载、打印等操作所留下的数据痕迹[2]58），采用协同过滤算法，向用户推荐能够满足他们需求的档案信息。

二、基于协同过滤算法的推荐系统

文献研究发现：学术界认定的第一个推荐系统是1992年xeroxPARC（施乐实验室）推出的Tapestry系统（垃圾邮件过滤并电子新闻推荐系统）。该系统需要事先了解和熟悉系统用户的兴趣和爱好，只能适用于系统用户数比较少的场景。1997年，明尼苏达大学的研究小组开发了Movielens系统（电影智能推荐系统），拉开了推荐系统蓬勃发展的序幕。该系统根据用户对电影的评分，预测用户可能感兴趣的电影类型、风格、演员、导演等，向用户推荐合适的电影[3]201。Netflix（美国奈飞公司）为期三年的百万美金大赛是推荐系统领域的标志性事件之一，它将推荐算法的研究推向高潮，吸引了全世界186个国家4万多位专业人士开始投身于推荐系统领域的研究，并将这项技术从学术圈真正转向商业领域。随着Amazon（美国亚马逊公司）开始在网站上根据用户的浏览购买行为对用户进行个性化推荐，并成功提升网站35%的销售额，个性化推荐系统在图书、音乐、视频、新闻、电影、购物等领域的应用越来越广泛[4]182。国内推荐算法研究起步较晚，但也取得了可喜的成果，在门户网站、电子商务等领域开展了广泛应用，比较著名的包括：今日头条新闻、淘宝、京东、豆瓣影视推荐等。推荐算法发展至今，其技术路线大致可以划分为三类：基于内容模型的推荐算法、基于协同过滤模型的推荐算法、基于混合模型的推荐算法。协同过滤模型算法是推荐系统中较为著名和常用的一种方法。它依据“人以类聚，物以群分”的聚类特点进行预测和推荐，可以将大部分看起来无交集的人或物品，通过大数据分析、数据挖掘等技术挖掘出相似的个别群体，实现根据和你有共同喜好的人给你推荐物品或者根据你喜欢的物品给你推荐相似的物品[5]1433。常用的协同过滤算法包括基于用户的协同过滤算法和基于物品的协同过滤算法。