8篇关于情境感知的计算机毕业论文

今天分享的是关于情境感知的8篇计算机毕业论文范文, 如果你的论文涉及到情境感知等主题,本文能够帮助到你

基于情境感知的老人饮食推荐系统的设计与实现

这是一篇关于饮食推荐,情境感知,协同过滤,规则推荐的论文, 主要内容为“民以食为天”,“食”是人们生活中必不可少的一部分,不良饮食习惯会引起许多健康问题,糖尿病、高血压等慢性疾病也可以通过良好的饮食来预防和控制。但是人们对自己饮食的健康状况缺乏判断,需要外界的支持进行改善,因此,饮食推荐系统成为帮助实现个性化饮食的有效工具。现有的饮食推荐多用于电子商务和美食社区,较少考虑目标用户的情境信息,推荐的饮食只关注用户的偏好,忽略了用户的情境需求。针对这些问题,本文开发基于情境感知的老人饮食推荐系统,引入情境信息、饮食偏好和健康知识,为老人实现准确、健康的饮食推荐服务。首先,对课题背景和国内外研究现状进行调研,结合老人饮食需求,提出基于C/S、B/S混合架构的系统总体方案。系统主要分为界面表示层、业务逻辑层和数据服务层,将系统关键的智能推荐模块放在业务逻辑层处理。然后,对基于情境感知的老人饮食推荐算法进行分析和研究。为了使推荐结果更加符合用户当前情境,提高推荐准确性。本文将传统的“项目-用户”推荐提升为“情境-项目-用户”推荐,使用混合推荐模式将多角度信息整合起来为老人进行饮食推荐。混合推荐模式包括的推荐方法是基于情境建模的协同过滤推荐和基于规则的推荐。最后,对系统进行详细设计与实现。本系统由后台服务端、移动客户端两部分组成,后台服务端主要完成饮食推荐功能和后台管理功能,客户端面向老龄用户,完成与饮食推荐系统的交互。为了测试系统的有效性,本文从功能和非功能角度设计合理的测试方案完成对系统的测试和分析。测试结果表明系统能够稳定可靠地运行,满足预期的功能需求和非功能需求。

面向B2C网站消费者在线购物行为的情境化推荐策略研究

这是一篇关于个性化推荐,购买决策,推荐算法,情境感知的论文, 主要内容为B2C(Business to Customer)是电子商务模式的一种,网站直接向消费者销售产品和服务。在互联网发展的大潮下,网络购物被大众所喜爱和追捧,B2C网络购物市场占有率大幅提升。网络商品和服务数量越来越庞大,消费者在电商平台购物时会面临信息过载的问题,随之而来的是选择困难、选择时间变长及购物体验降低等问题,从而导致消费者购物意愿不强。从上世纪90年代开始,个性化推荐服务的开发受到了越来越多的学者的关注,因为它能缓解信息过载带来的问题,它通过挖掘用户和商品之间的关联关系为消费者推荐符合其偏好的商品,达到刺激消费者购买意愿的目的。但是,消费者的偏好受到情境因素的影响,具有不确定性和差异化的特点,目前的推荐系统没有很好地解决上述问题。为了更好地提高消费者的购买意愿和购物体验的满意度,电商平台需要推出考虑消费者情境及符合消费者偏好的推荐服务,即情境化推荐策略。本文针对电商平台现有推荐系统消费者情境缺失的问题,研究面向电商平台消费者的情境化推荐策略,包括两个部分:第一,电商平台消费者情境的刻画与定义。电子商务环境下,影响消费者购买行为的情境构成复杂,且消费者对情境的感知水平不一样,受到的影响也不相同。通过分析在一定时期内偏好未发生漂移的电商平台消费者的购买行为特征,研究电子商务环境下消费者的情境构成及其特点,对电商平台消费者情境进行刻画与定义。第二,分析考虑消费者敏感情境的推荐策略。利用消费者的购买行为、浏览行为等历史信息描述其偏好,并建立偏好模型对其规范化定义,并在推荐过程中利用分布式理论对情境信息进行分化,量化情境对消费者购买决策影响的差异化程度,分析消费者敏感情境对购物行为的影响,采用数值实验的方法分析和验证本文提出的消费者偏好提取方法和融入情境的推荐方法的有效性。经过理论研究和数值实验,本文主要有三个结论:(1)通过阅读大量文献发现,结合电商平台消费者的情境依赖推出个性化推荐服务会对消费者购买意愿产生积极影响,同时表明本文从情境信息对消费者购买决策行为的影响进行研究是比较合理的;(2)基于消费者情境差异化分布的消费者偏好提取方法具有良好的用户偏好提取能力;(3)与其他方法进行实验对比分析后,发现融入消费者敏感情境的推荐方法的推荐效果更好,并且一定程度上可以适应情境的动态性特点。

基于情境感知的就医信息推荐系统的设计与实现

这是一篇关于就医信息平台,情境感知,本体,偏好建模,基于规则推荐的论文, 主要内容为随着智能手机的使用量越来越大,就医信息平台也逐步将部分信息服务应用到移动应用中。同时,随着就医信息量的不断膨胀,用户也面临着日益严重的“信息过载”问题,推荐系统应运而生。在就医信息平台中,传统的推荐算法无法彻底解决新医院、新医生、新患者的冷启动问题,融入位置进行推荐仍无法满足用户的个性化需求。基于以上问题,本文对情境感知和推荐算法进行深入地研究,提出将多种情境信息融入就医信息推荐系统。本系统将基于百度地图获取用户的多种情境信息,利用本体对情境信息进行建模,结合用户的情境信息及属性信息得到其偏好,使用基于规则的推荐算法向患者推荐医生、医院,从而研发出能够满足患者在就医过程中实时得到个性化信息推荐的移动应用。本文的主要工作如下:1.对就医环境下的各类情境信息进行分析,包括时间情境、位置情境、用户情境以及其他情境,并使用本体对其进行建模。2.对就医信息推荐系统进行概要设计,包括对系统的需求分析,系统体系结构,系统功能模块设计以及数据库设计。3.对推荐子系统进行分析与设计,包括用户偏好的建模,算法的选择与系统框架,推荐系统流程以及规则库的设计与计算。4.实现对所有的功能模块设计,包括情境信息获取及本体推理等情境感知的实现,推荐功能等核心模块的实现,用户登录及注册等公共模块的实现,提问、电子病历、医院详情等其他功能模块的实现。本文的创新点有以下三点:1.针对移动应用的特点,使用基于规则的推荐方法,有效解决新用户面临的冷启动问题,并且使得新用户获得推荐信息时花费更低的学习成本。2.融入多种特殊的情境信息,从基于位置的推荐扩展至基于情境感知的推荐,向用户提供更加个性化的推荐。3.将融入多种情境信息的推荐系统应用到就医信息移动平台中,推动了就医信息系统在移动平台上应用的发展,更便于用户行医就医,帮助解决当前智慧医疗面临的多个问题。

面向个性化商品信息服务的情境语义建模与推理研究

这是一篇关于个性化服务,情境建模,情境感知,情境推理,本体构建评价,本体推理评价的论文, 主要内容为数字经济蓬勃发展的大背景下,消费者的中心性地位日益凸显,却仍然面临“信息过载”和“信息迷航”的问题。在此背景下,个性化商品信息服务应运而生,并逐步成为数字时代精准营销的大势所趋。但个性化商品信息服务发展至今仍存在用户需求的匹配度不高、准确性差、在不同的应用场景下无法自适应调整等问题。因此,对与个性化商品信息服务相关的智能化技术进行系统的、严谨的学术研究显得至关重要。通过国内外相关文献的梳理,本文发现基于协同过滤和基于内容的推荐方法的研究较为深入,在构建推荐系统时较为常用,而基于本体的推荐方法理论基础较为坚实,具有上述两种推荐方法所不具备的优势,是对协同过滤和基于内容的推荐方法的完善和补充。然而,基于本体的个性化商品信息服务虽然一定程度上能对消费者的特征进行知识建模,但是它忽略了历史的消费情境模式会对消费者的购买偏好产生影响,导致了在建模过程中语义的丢失,且忽略了消费者个人特征和环境情境的影响。为了使得个性化商品信息服务相关的智能化技术更为完善和多样,结合本体相关理论、情境感知理论,构建了个性化商品信息服务的商品分类模型和情境语义模型,并通过本体五元组的形式对类、属性、实例、作用域和公理进行明确地定义,设定了直接情境和间接情境信息的处理和建模方法;并结合描述逻辑和规则引擎的方法,制定一套完整的推理步骤和实现方法,借助Jena和Pellet开源工具设计相应算法分别从描述逻辑层和规则推理层对情境信息进行推理,挖掘潜在语义知识;并分别为语义建模和推理机制评价设定了评价机制,并基于SPAQL查询和算法实验的方法对其分别进行评价。本文的结论显示:利用本体对商品领域知识进行建模,并在本体模型中引入情境语义信息,能够有效提高个性化商品信息服务的可复用性、情境敏感性和可靠性;个性化商品信息服务中对情境进行推理能够对低层次的情境信息进行整合和处理,推理生成更高层次语义以满足智能化需求;通过建立评价机制对情境语义模型的效果进行评价,能够验证所构建的本体模型从概念层、语义层和推理层的可靠性和一致性;通过性能实验对情境推理机制的效果进行评价,能够验证所构建的情境推理机制的响应性能和推理的准确程度。本文的贡献之处在于:结合了本体理论和情境感知理论,对个性化商品信息服务进行情境语义建模,将情境语义模型划分为商品类别本体模型、直接情境本体模型和间接情境本体模型,并结合实例对构建过程进行了详细说明;结合了情境推理和描述逻辑的相关理论,明确了情境推理的实现步骤和采用的具体方法,并将情境推理划分为基于描述逻辑的推理层和基于规则的推理层,在每一层定义了相关规则,以此作为后续推理实现的基础;建立了情境语义建模与推理机制的评价模型,设计了相应的评价指标,并结合实验结果分别对情境语义建模效果和推理机制效果进行评价,为相关企业提供更高效能的个性化商品信息服务解决方案,并为学术界对于个性化商品信息服务技术的探索提供新思路。

面向B2C网站消费者在线购物行为的情境化推荐策略研究

面向互联网金融理财用户的智能推荐策略研究

这是一篇关于互联网金融,最优近邻协同推荐,理财风险与收益建模,情境感知,在线推荐系统的论文, 主要内容为互联网金融是指传统金融机构或者互联网企业利用互联网等信息技术实现资金融通、支付、投资和信息中介等服务的新型金融业务模式。在爆炸性增长的理财产品中,金融理财用户怎样选择合适的产品并使互联网理财公司获得积极反馈,成为互联网金融领域亟待解决的热门话题。而现存推荐方法只考虑了用户、产品乃至情境间的相似性,而忽略了理财用户趋利避害的心理。因此,如何平衡用户和金融理财公司间的收益,精准把握用户需求、规避风险为用户提供合适理财产品已成为目前急需解决的问题。本文主要的工作与贡献如下:(1)根据互联网金融理财用户的使用场景和心理,提出了基于最优近邻协同推荐方法,解决了理财用户在决定购买时选择哪些产品的问题。首先通过“用户-产品”二部图关系从收益和风险两方面进行用户画像和产品画像;然后根据理财收益计算最优邻居用户,利用最优近邻的购买列表进行产品推荐;最后通过实验对比分析,验证了基于最优近邻协同推荐方法提高了针对理财产品的推荐效果。(2)对互联网金融理财用户的情境因素进行了深入的研究,提出基于情境感知的产品组合优化推荐方法,在一定程度上规避了理财购买风险,提高了理财收益。首先量化用户行为信息、用户生活模式,进行“用户-情境”相似度的计算,融入最优近邻协同推荐当中;然后通过用户购买情境优化推荐的理财产品序列,并结合投资组合理论分配合适的购买金额,使得理财用户获得更大收益;最后通过实验对比推荐效果和经济效益,证明了推荐策略的推荐结果的有效性,并显著提高了理财产品组合的收益。(3)实现了面向互联网金融理财用户的在线推荐系统。详细介绍了个性化理财产品营销子模块的框架设计,以及在线推荐的处理流程,并通过对实际案例的分析验证了系统的适用性。

移动终端智能引擎的研究与实现

这是一篇关于情境感知,群智感知,移动终端智能引擎的论文, 主要内容为移动互联网和智能终端的飞速发展改变了人们原有的生活方式。通过移动终端可以为人们提供购物、上网、社交等多样的服务。在社交应用中,用户面对大量的信息往往无法准确获取到符合自己社交需求的信息。因此本文从具体的社交需求出发,设计一种更为个性化的移动终端社交系统。本文实现的系统基于移动终端智能引擎的相关技术,文章通过分析国内外最新文献,对移动终端智能引擎中的情境感知技术以及群智感知技术进行了重点研究,分析比较了基于该类技术实现的现有平台和系统之间的优缺点,总结了其实现方法,为本系统的设计实现提供了技术支持。文章对系统的总体架构进行了设计,将系统的设计分为移动终端客户端、数据交互传输以及后台服务器三个部分。并对每一部分的功能模块进行了具体划分和详细设计。系统的具体实现按照总体架构的划分进行,移动终端客户端的实现基于谷歌的Android系统,在这部分完成了用户操作界面、情境信息采集以及响应用户操作等功能的实现。在后台服务器实现上采用了J2EE的分层架构,使用SSH框架进行具体的开发,并对数据处理进行了详细设计,包括情境数据处理以及数据本体建模。客户端和服务器通过HTTP协议进行可靠的信息传输,保证了系统的正常运行。最后通过对系统的功能进行了整体测试,结果表明了系统满足实际的社交需求,具有较强的实用性。