最新高新技术企业项目可行性分析报告上海金川国际科技有限公司(范文)

MIT（麻省理工学院）的音乐情报推荐系统Ringo，明尼苏达大学的Netnews

推荐系统Group lens等许多协调过滤系统都采用了这一种方法。

III． Feature Guided Automated Collaborative Filtering（FGACF）

根据用户的爱好，从事的领域各不相同这一现实，采用把作为过滤对象的项

目群赋予属性情报，从而缩小问题的范围，提高推荐精度的方法即为FGACF法。

Firefly Networks 公司（现已被MicroSoft公司收购）的Firefly采用了这个方

法。

纯粹的ACF基本上不考虑情报的内容，在情报量不断增大的时候仍把各种情

报一视同仁，很容易造成错误的推荐。另外，存在着随情报量增大计算时间也增

加的问题。为解决这些问题，事先把各种情报通过赋予属性情报的方法进行分类

（Feature Guided），根据属性情报分组，将爱好相近，领域类同的有用情报尽早

地向用户推荐。

IV． Content-Based Collaborative Filtering

当主要以Web网页，Netnews信息等文章情报作为过滤处理对象的时候，同时

结合情报内容(Contents)过滤处理和协调过滤处理两者长处的作法也逐步得到了

完善和发展。

近年来,以互联网的各种Web网页作为过滤处理对象，从文章中出现的各个关

键词组出发，对系统中新登录情报进行预测评价的方法受到了广泛的关注。通过

事先将各种情报分组的方法,达到提高协调过滤处理精度目的的手法得到了引人

注目的发展。

斯坦福大学(Stanford University) 的产品Fab，明尼苏达大学计算机科学工

程系(Dept. of Computer Science and Engineering at the University of

Minnesota)的Net Perceptions Inc.的产品Filterbots等都是文章情报基础的协

调过滤系统的例子。

上面提到的作为Netnews的推荐系统Grouplens也在把成为推荐对象的文章

分成Newsgroup方面下了大的力量，所以从广义上也可以说是一个FGACF系统。

除此之外，世界上各大学和公司也在研究利用情报的属性进行多变量解析的

Cluster分析法自动地把项目分组，从而提高系统性能和精度。

以上各种算法的实现，基于大量的传统数学模型，一种算法中可能包含有多

种数学模型，也可能是某一算法对应于多种数学模型候补。从类别上可分成类似

算法数学模型，分组算法数学模型，自然语言分析数学模型等三类。

关于这些数学模型情报,我们在下一节中有较详细的记述。