推荐一个好地方作文精选(九篇)
第1篇：推荐一个好地方作文范文
【关键词】图书馆；推荐书目；阅读推广
图书馆阅读推广和普及阅读是社会责任心的一种表现，根据我国全民阅读活动的现状，进行有计划的阅读推广工作，是图书馆的一项重要职能.。全民阅读是建设学习型社会、增进社会和谐、提高国民综合素质水平的最有效途径。同时，图书馆是开展教育、传播文化和提高资讯的有力工具，也是人民群众的丰富思想观念和精神生活的重要工具。因此，为图书馆推荐书目并积极有效的推广图书馆阅读在全民阅读活动中发挥着重要的作用。
一、推荐书目的概念和演变过程
（一） 概念
所谓推荐书目就是阅读书目、了解书目、选择书目、必读书目等，其表现形式是根据不同的阅读对象来制定的，通过对某一专门的问题进行精心的选择并编写成书目，以供读者对某一问题和某一知识进行更加深入的了解。推荐书目不仅有效的引导读者该读哪些书，并根据读者的需要对某一知识理论进行深入探讨的过程中该如何了解知识的先后顺序来对读者进行阅读引导。因此，推荐书目是指导读者阅读的重要工具，也是图书馆阅读推广的重要方式。
（二） 推荐书目的演变
1.封建社会时期
从我国历史发展的情况来看，封建社会采用的科举制度是推荐书目发展的开始，其讲求的就是读书能够当官，将读书、科举考试、做官联系在一起，并有针对性的进行有关知识的阅读和理解，以达到做官的最终目的，这也印证了推荐书目在我国封建社会时期就产生的事实。但是，在历史的长河里，推荐书目也不完全以应付科举考试为主，其也在于修身养性方面的书目推荐，在封建社会不断发展个改变的时代，有很多的文人志士都提出了读书的计划，是推荐书目演变的历史过程。
2.近现代的演变与发展
到了20世纪，封建社会被，科举考试也被废除，由于西方殖民统治者的强权压迫，推荐书目也形成了一种混乱的局面。而直到20世纪中后期，推荐书目的价值取向由单一的形式逐步发展至不同类型图书形式，这也受到了读者的关注。进入二十一世纪，推荐书目发生了巨大改变，推荐书目的多样化使得推荐书目的类型、数量急剧增加，其推荐的主题是专家学者、政府部门、社会集体、图书馆等组织机构。随着信息化时代的发展步伐加快，推荐的载体和推荐方式的不同弥补了传统推荐形式所带来的弊端。
二、图书馆的职能及其作用
（一） 图书馆的性质
阅读是推动人类生存和发展的行为能力，需要培养、指导和推荐。图书馆是精神文明建设的重要场所，也是一个城市一个地区的文化服务中心，它具有丰富的知识信息资源，不仅保存了优秀的传统文化，还在引领文明发展和开展终身教育等方面发挥着不可替代的作用。
（二） 图书馆的职能
图书馆是体现社会公平正义的场所，图书馆的公益性决定了它的社会职能，其职能就是服务社会不同阶层、不同年龄、不同文化程度、不同民族的读者，要贴近社会生活的方方面面。它还有效的推进了社会信息化的进程，为促进阅读社会的形成和服务方式指明了方向。
三、图书馆在阅读推广工作中采取的措施
（一） 争取政府支持，建立有效阅读机制
推动图书馆阅读是一项艰巨的任务，根据县级地区的阅读形式和阅读内容来进行有效的书目推荐，有利于推动县级图书馆的阅读发展，这也需要当地政府的支持。阅读推广工作要从社会的各级图书馆开始做起，县级图书馆要充分的认识到阅读活动在本地区文化建设中所需要的内容形式，并需要政府部门的有力支持，争取政府经费的资助，以制定长期有效的阅读推广计划为目标，努力实现地区图书馆阅读活动的发展，达到预期的效果。
（二） 发挥图书馆的服务地位，开展特色的阅读指导活动
向社会群众宣传图书馆，推荐阅读书目，培养人们的阅读兴趣，引导大众参与阅读，壮大阅读群体，这是图书馆体现其服务地位的重要表现。图书馆应该积极组织有特色的活动，激发群众阅读的热情，扩大阅读活动的影响力。图书馆应对农村群众、农民工人以及社会教育给予更大的关注，想方设法使他们读到有用之书，解决阅读中遇到的问题。图书馆应根据地区的特点，组织和整理本地区的经济、文化、历史等有关图书资料，开展有地方特色的阅读活动。
（三） 以广大读者为图书馆阅读推广的主体
图书馆在推荐图书和服务读者的时候，要根据人民群众的需要来开展推荐工作，以读者为主体开展服务。结合地区的实际情况，了解不同读者在生产生活方面的需求程度，整合图书馆的馆藏结构，有针对性的对读者进行书目的推荐，实现知识阅读、文化阅读、生产生活阅读、精神阅读的推荐方式，以符合广大人民群众为基础，实现对图书馆阅读工作的积极有效推广，也需要通过推荐不同知识、不同类型、不同文化、不同领域的书籍，来完善图书馆的馆藏，并以服务社会大众为图书馆阅读发展的最终目标。
四、图书馆馆员在阅读推广和图书推荐方面所具备的素质
（一） 热爱阅读
以往图书馆推荐书目的主体大多是以专家学者推荐来引导读者阅读，但是，专家推荐书目也存在一定的缺陷，各个专家学者给出的推荐意见不统一，导致图书的推荐都产生了分歧，在这种情况下，图书馆工作人员就应该发挥相应的作用，要做好图书馆馆员就必须爱好并热爱书籍，同时也喜欢读书，这样也能全身心的投入到图书馆管理工作中。图书馆馆员也具备推荐的资格，一个热爱阅读的馆员，当你发现一本好书，学到了知识、得到了体会，你就可以将自己所阅读的书目推荐给来图书馆阅读的读者。因此，图书馆馆员的工作职能并不是做好借阅统计、开列书单等简单工作，而是要帮助读者了解不同类型阅读内容，并根据自身的见解积极进行图书馆阅读推广。
（二） 了解读者的需求
每个读者都有自己个性，从而使得阅读的需求变得多元化，图书馆工作人员要做到有效的进行图书馆阅读推广，就需要充分了解读者的阅读需求。例如，在县级图书馆中，一些学生、个体经营户、农民种植户、私营商户等等，可以根据不同职业的阅读人群来了解他们所需要的寻找的阅读内容，其主要涉及的人群跟大城市不一样，所以，在图书馆进行馆藏结构调整的时候，要充分了解该地区读者的阅读需求，有针对性的进行图书馆馆藏工作，馆员需要贴近读者，了解读者在生产生活、工作中对于阅读的需求，才能更好的开展推荐书目和图书馆阅读推广工作。
（三） 选择合适的时机
进行书目推荐在图书馆馆员工作中能够合理有效的实现是一件并不太难的事情，时机的把握往往比盲目的上去推荐所取得效果更好，选择恰当的时间和正确的地点，对于图书馆图书推荐是非常有效的一种方式。例如，在特定的节假日、寒暑假、春节或者地方举办特色活动期间等，都是开展图书阅读推广活动的有效时机。对于县级图书馆所处的环境，图书阅读所涉及的范围较广，这也需要图书馆馆长进行科学合理的馆藏，也需要在特定的时期进行图书的推荐和阅读的推广，促进图书馆这个文化中心在不同地区的发展。
五、结语
阅读是一种乐趣也是一种互动的享受。我们生活和工作的环境，就是一本耐人寻味的书籍。在进行图书馆阅读推广和图书推荐工作时，应发挥创新意识，因地制宜。了解不同个性读者的需求，并科学合理的调整馆藏结构，以读者为主体，实现全民阅读，让阅读融入每一个人的生活工作之中。
【摘要】公共图书馆阅读推广有利于提高图书馆在社会中的重要作用，推荐书目是图书馆阅读推广的重要参考形式，也是图书馆服务方式的主要内容之一。在推荐书目的基础上，提出图书馆阅读推广以读者为主体，具有新颖性和客观性，在知识的获取和互动上有较大的优势。实现推荐书目与图书馆阅读推广工作的有效进行，是图书馆持续发展的前提条件，也是提高图书馆服务质量和阅读质量的重要因素。
【关键词】图书馆；推荐书目；阅读推广
图书馆阅读推广和普及阅读是社会责任心的一种表现，根据我国全民阅读活动的现状，进行有计划的阅读推广工作，是图书馆的一项重要职能.。全民阅读是建设学习型社会、增进社会和谐、提高国民综合素质水平的最有效途径。同时，图书馆是开展教育、传播文化和提高资讯的有力工具，也是人民群众的丰富思想观念和精神生活的重要工具。因此，为图书馆推荐书目并积极有效的推广图书馆阅读在全民阅读活动中发挥着重要的作用。
一、推荐书目的概念和演变过程
（一） 概念
所谓推荐书目就是阅读书目、了解书目、选择书目、必读书目等，其表现形式是根据不同的阅读对象来制定的，通过对某一专门的问题进行精心的选择并编写成书目，以供读者对某一问题和某一知识进行更加深入的了解。推荐书目不仅有效的引导读者该读哪些书，并根据读者的需要对某一知识理论进行深入探讨的过程中该如何了解知识的先后顺序来对读者进行阅读引导。因此，推荐书目是指导读者阅读的重要工具，也是图书馆阅读推广的重要方式。
（二） 推荐书目的演变
1.封建社会时期
从我国历史发展的情况来看，封建社会采用的科举制度是推荐书目发展的开始，其讲求的就是读书能够当官，将读书、科举考试、做官联系在一起，并有针对性的进行有关知识的阅读和理解，以达到做官的最终目的，这也印证了推荐书目在我国封建社会时期就产生的事实。但是，在历史的长河里，推荐书目也不完全以应付科举考试为主，其也在于修身养性方面的书目推荐，在封建社会不断发展个改变的时代，有很多的文人志士都提出了读书的计划，是推荐书目演变的历史过程。
2.近现代的演变与发展
到了20世纪，封建社会被，科举考试也被废除，由于西方殖民统治者的强权压迫，推荐书目也形成了一种混乱的局面。而直到20世纪中后期，推荐书目的价值取向由单一的形式逐步发展至不同类型图书形式，这也受到了读者的关注。进入二十一世纪，推荐书目发生了巨大改变，推荐书目的多样化使得推荐书目的类型、数量急剧增加，其推荐的主题是专家学者、政府部门、社会集体、图书馆等组织机构。随着信息化时代的发展步伐加快，推荐的载体和推荐方式的不同弥补了传统推荐形式所带来的弊端。
二、图书馆的职能及其作用
（一） 图书馆的性质
阅读是推动人类生存和发展的行为能力，需要培养、指导和推荐。图书馆是精神文明建设的重要场所，也是一个城市一个地区的文化服务中心，它具有丰富的知识信息资源，不仅保存了优秀的传统文化，还在引领文明发展和开展终身教育等方面发挥着不可替代的作用。
（二） 图书馆的职能
图书馆是体现社会公平正义的场所，图书馆的公益性决定了它的社会职能，其职能就是服务社会不同阶层、不同年龄、不同文化程度、不同民族的读者，要贴近社会生活的方方面面。它还有效的推进了社会信息化的进程，为促进阅读社会的形成和服务方式指明了方向。
三、图书馆在阅读推广工作中采取的措施
（一） 争取政府支持，建立有效阅读机制
推动图书馆阅读是一项艰巨的任务，根据县级地区的阅读形式和阅读内容来进行有效的书目推荐，有利于推动县级图书馆的阅读发展，这也需要当地政府的支持。阅读推广工作要从社会的各级图书馆开始做起，县级图书馆要充分的认识到阅读活动在本地区文化建设中所需要的内容形式，并需要政府部门的有力支持，争取政府经费的资助，以制定长期有效的阅读推广计划为目标，努力实现地区图书馆阅读活动的发展，达到预期的效果。
（二） 发挥图书馆的服务地位，开展特色的阅读指导活动
向社会群众宣传图书馆，推荐阅读书目，培养人们的阅读兴趣，引导大众参与阅读，壮大阅读群体，这是图书馆体现其服务地位的重要表现。图书馆应该积极组织有特色的活动，激发群众阅读的热情，扩大阅读活动的影响力。图书馆应对农村群众、农民工人以及社会教育给予更大的关注，想方设法使他们读到有用之书，解决阅读中遇到的问题。图书馆应根据地区的特点，组织和整理本地区的经济、文化、历史等有关图书资料，开展有地方特色的阅读活动。
（三） 以广大读者为图书馆阅读推广的主体
图书馆在推荐图书和服务读者的时候，要根据人民群众的需要来开展推荐工作，以读者为主体开展服务。结合地区的实际情况，了解不同读者在生产生活方面的需求程度，整合图书馆的馆藏结构，有针对性的对读者进行书目的推荐，实现知识阅读、文化阅读、生产生活阅读、精神阅读的推荐方式，以符合广大人民群众为基础，实现对图书馆阅读工作的积极有效推广，也需要通过推荐不同知识、不同类型、不同文化、不同领域的书籍，来完善图书馆的馆藏，并以服务社会大众为图书馆阅读发展的最终目标。
四、图书馆馆员在阅读推广和图书推荐方面所具备的素质
（一） 热爱阅读
以往图书馆推荐书目的主体大多是以专家学者推荐来引导读者阅读，但是，专家推荐书目也存在一定的缺陷，各个专家学者给出的推荐意见不统一，导致图书的推荐都产生了分歧，在这种情况下，图书馆工作人员就应该发挥相应的作用，要做好图书馆馆员就必须爱好并热爱书籍，同时也喜欢读书，这样也能全身心的投入到图书馆管理工作中。图书馆馆员也具备推荐的资格，一个热爱阅读的馆员，当你发现一本好书，学到了知识、得到了体会，你就可以将自己所阅读的书目推荐给来图书馆阅读的读者。因此，图书馆馆员的工作职能并不是做好借阅统计、开列书单等简单工作，而是要帮助读者了解不同类型阅读内容，并根据自身的见解积极进行图书馆阅读推广。
（二） 了解读者的需求
每个读者都有自己个性，从而使得阅读的需求变得多元化，图书馆工作人员要做到有效的进行图书馆阅读推广，就需要充分了解读者的阅读需求。例如，在县级图书馆中，一些学生、个体经营户、农民种植户、私营商户等等，可以根据不同职业的阅读人群来了解他们所需要的寻找的阅读内容，其主要涉及的人群跟大城市不一样，所以，在图书馆进行馆藏结构调整的时候，要充分了解该地区读者的阅读需求，有针对性的进行图书馆馆藏工作，馆员需要贴近读者，了解读者在生产生活、工作中对于阅读的需求，才能更好的开展推荐书目和图书馆阅读推广工作。
（三） 选择合适的时机
进行书目推荐在图书馆馆员工作中能够合理有效的实现是一件并不太难的事情，时机的把握往往比盲目的上去推荐所取得效果更好，选择恰当的时间和正确的地点，对于图书馆图书推荐是非常有效的一种方式。例如，在特定的节假日、寒暑假、春节或者地方举办特色活动期间等，都是开展图书阅读推广活动的有效时机。对于县级图书馆所处的环境，图书阅读所涉及的范围较广，这也需要图书馆馆长进行科学合理的馆藏，也需要在特定的时期进行图书的推荐和阅读的推广，促进图书馆这个文化中心在不同地区的发展。
五、结语
阅读是一种乐趣也是一种互动的享受。我们生活和工作的环境，就是一本耐人寻味的书籍。在进行图书馆阅读推广和图书推荐工作时，应发挥创新意识，因地制宜。了解不同个性读者的需求，并科学合理的调整馆藏结构，以读者为主体，实现全民阅读，让阅读融入每一个人的生活工作之中。
参考文献
[1]周恒山.公共图书馆阅读推广活动[J].小作家选刊，2013（2）.
[2]李燕.谈公用图书馆阅读推广活动[J].北方经贸，2013（1）.
[3]窦现金.推荐书目[J].终身教育，2012（1）.
[4]郑丽君.近年来我国图书馆阅读推广研究评述[J].图书与情报，2012（6）.
第2篇：推荐一个好地方作文范文
关键词：微信；图书推荐；高校图书馆
随着互联网技术的不断发展与进步，日常生活中的交流工具越来越方便和快捷。2011年，腾讯公司推出了一个为智能终端提供即时通讯服务的免费应用程序――微信。这款软件可以通过免费语音、短消息及视频等方式进行操作，给人们的日常交流提供了便利。[1]截至目前，微信官方称已超过8亿人在使用这款手机应用。2012年，腾讯公司在微信的基础上新增了一个功能模块微信公众平台，该平台能通过文字、图片、语音等实现和特定群体的全方位沟通、互动。该平台推出后，高校图书馆也纷纷推出微信公众平台开展阅读推广服务，图书推荐也成为推送的主要内容之一。面对借阅率连年下降的现状，高校图书馆借助微信公众平台，采用大学生喜闻乐见的方式，以求最大限度的实现“为书找人”以及“为人找书”。
一、微信图书推荐的方式
借助微信开展图书推荐的方式多种多样，笔者根据实际开展的工作总结了部分图书推荐的方式。如下：
结合时事热点，开展专题图书推荐。可根据国家近期举办的会议、论坛或其他大型事件展开，挑选与之相关的馆藏书目推荐。如“两学一做”学习期间，结合纸本馆藏和电子图书，开设的“两学一做”专题图书推荐；如“两会”期间，结合新闻报道的时事热点，为学生推荐专题图书等。
开设专栏，在一定时间内围绕某个作家或者某派作家开展主题图推荐。借作家新作出版、作品改编热门影视作品等期间，对其作品进行一个全面的推荐。另外，每年新生入校，针对新生可开展与学校所在地相关的文献资源的推介。如武汉地区的高校图书馆，可开展以汉派作家为主题的图书推荐。同时，与微信配合，还可在图书馆内进行线下的专题图书展。这类图书推荐的出发点多，涉及内容又很广泛，借助微信这个载体，利用微信的图片、视频、语音等功能，可作为常用的图书推荐方法。
设立常规栏目，开展新书推荐。新书到馆后如何宣传，也是我们需要重视的一个问题。随着微信在大学生读者中的热捧，我们可以借助微信设立常规的栏目，专门进行新书推荐。通过微信定期新书，一方面可以从学生的视角，使推荐的新书更接近同学们的实际需求，另一方面，学生也可带来很多创意和灵感，使平台更加贴近读者，吸引读者。[2]
向学生征集好书，借图书馆微信推荐。向全校师生征集好书，既提供了一个与读者互动的平台，又能借师生的口碑，有针对性地推荐图书。很多高校都通过各种形式推出了学生荐书。如武昌首义学院毕业前夕一名大四学生离校前专门写信至图书馆推荐自己大学期间阅读的好书，图书馆通过微信推荐后，学生好评如潮。
围绕图书馆的重大阅读推广活动，结合线下宣传，开展微信图书推荐。不少高校图书馆都形成了以新生入学、读书月、毕业季等为主题的重大阅读推广活动季。这些阅读推广活动中精心策划的线下精品书展，就可以借助微信进行宣传推广。
围绕传统节日，策划专题图书推荐。随着传统节日越来越受重视，图书馆也可借助这一契合点开展图书推荐。如二十四节气或各类传统节日，可能现在很多学生并不了解，图书馆微信借节日时间点或节气时间点来进行专题的介绍，可以让更多的年轻读者了解这些知识。
针对学生参加的大型比赛项目，提前推荐相关图书。针对不同专业学生参加的国内外大型的比赛项目，图书馆应积极提供学科支持。这就要求学科联系人及时关注所在院系的动态，拥有一定的学科知识，能结合比赛项目对馆藏书目进行挑选，或是联系专业教师联合推荐。如学生参加的“挑战杯”竞赛，图书馆就可以根据本校学生参赛的项目，有针对性的挑选书目，并借助微信平台推荐，甚至可以线上线下同时开展。
当然，借助微信开展图书推荐的方式并不局限于此，随着微信本身功能的不断优化与增加，高校图书馆图书推荐服务也应不断地调整，不断更新图书推荐栏目，以便更好的适应大学生读者的需求。
二、利用微信开展图书推荐的的启示
精心策划，打造名牌栏目。利用微信开展图书推荐的形式很多，高校图书馆如何利用自己的特点和优势，精心打造出适合本院校读者的名牌栏目。除了内容的精品外，图书馆也可以通过不断地实践找到受读者欢迎的排版模式，提高微信图书推荐的效果。
契合技术的发展，更好的利用语音+文字/视频+文字功能。选取读者感兴趣的内容，通过语音/视频的形式推送，以便读者更好的利用碎片化时间来进行阅读。
积极倡导读者参与，图书推荐更贴近读者需求。图书馆开展图书推荐，最终的目的就是让读者去阅读书籍。由于高校图书馆面对的是大学生读者，他们对阅读有自己的见解和要求。图书馆可以向大学生读者征集书单，并利用微信推荐，把微信作为一个大学生读者沟通的平台。
随着互联网技术的发展，全民阅读的不断推进，如何更好地利用微信开展图书推荐也是我们需要思考的问题。随着越来越多的高校图书馆对微信在图书推荐服务中的重视，相信一定会涌现更多样的图书推荐栏目，更好的满足不同读者的需求。
【参考文献】
第3篇：推荐一个好地方作文范文
关键词 移动学习；内容推荐；协同过滤；学习行为
中图分类号：G652 文献标识码：A
文章编号：1671-489X（2016）24-0001-05
A Review of Research on Content Recommendation based on Mobile Learning Environment//ZHU Xiaoliang， WANG Jun
Abstract This paper summarizes the key technologies of mobile learning content recommendation and proposes how to construct con-
tent recommendation framework for mobile cloud learning to achieve
the balance between accuracy and diversity of mobile recommenda-tion results based on information of context and social networks.
Key words mobile learning； content recommendation； collaborative filtering； learning behavior
1 前言
移踊チ网的发展为教育信息化带来新的挑战。一方面，伴随着越来越多的学习资源自然分布在网络上，移动设备带来的便捷性使随时随地自主学习成为可能，参与移动学习社区正成为一种趋势；另一方面，移动设备的移动性、位置性、分布性等特性也明显加剧了信息过载问题[1-2]。
因此，在移动网络学习应用中有必要引入个性化学习推荐，为学习者提供更加便利的知识服务，帮助学习者更加有效地获取学习内容、提高学习效率[3]。
一般而言，推荐系统是在收集用户既往信息的基础上分析用户的兴趣爱好和行为习惯，从而将感兴趣的信息主动推荐给用户。然而，移动互联网环境下终端设备在自身资源、处理能力等方面的局限性使得适合传统互联网用户的推荐方法并不能直接应用到移动推荐中。移动推荐系统需要深入了解用户的需求并进行精准的信息推送，主要难点则在于大大减少用户与移动设备的复杂交互，并通过智能化方式理解用户意图来自动完成信息推送。这需要面临两大挑战[4]：一是如何从大规模异质移动数据中分析数据特点、总结学习者的行为模式；二是如何利用所发掘的数据特点和行为模式设计可靠的推荐策略。
针对上述挑战，一方面，移动推荐系统需要综合考虑移动性、位置性、分布性等特性信息[5]。其中，移动性考虑了用户移动性、设备移动性和无线连接性；位置性指移动推荐系统的应用场景较灵活且用户对推荐内容的位置往往具有明确要求；分布性指移动用户分散，需要分布式设计支持他们之间进行自治的数据交换并采用简洁算法完成推荐任务。由于上述特性，移动推荐有必要借助移动互联网环境下的时间、空间等与相关用户的行为密切相关的上下文信息来增强应用的效果。
另一方面，社交网络的出现已基本改变了互联网的组成方式，而移动互联网的发展也大大推动了移动学习社区扩散的过程。诸多学者已经证明随着对学习社区的投入程度和学习时间的增加，学习者学习意愿也不断增加[6-7]。因此，协作学习的相关信息将成为移动学习推荐的重要支撑之一。再者，结合移动网络的特性，推荐列表的多样性对用户感知系统有用性和易用性也有着积极和重要的影响[8]。
多样性主要包括个体多样性、总体多样性和时序多样性。其中，个体多样性主要从单个用户的角度考查系统能够找到用户喜欢的冷门项目的能力；总体多样性则主要强调针对不同用户的推荐应尽可能地不同；时序多样性主要指用户偏好会适应用户兴趣的动态进化或用户情境的变化而发生改变。因此，如何尽可能地利用好上下文情境和社交网络等信息，实现移动推荐结果的精确性和多样性之间的平衡，这是研究者需要关注的问题[8]。
本文将结合现有研究，对移动环境下数字化学习资源推荐技术开展综述与分析。文中第二节总结了相关技术，第三节对移动学习推荐系统进行了详细分析，第四节描述了一种移动云学习内容推荐框架，第五节对全文进行了总结。
2 相关研究
内容推荐技术 常用的内容推荐算法包括基于协同过滤的推荐算法、基于内容的推荐算法、基于关联规则的推荐算法与混合推荐算法等[3-5]。其中，基于协同过滤的推荐技术根据用户评分矩阵来计算用户之间的相似性，并通过相似用户的评分预测当前用户的未评分项的评分；基于内容的推荐则根据用户已知的信息挖掘当前用户的偏好来推荐其可能感兴趣的信息；基于知识的推荐则使用知识结构描述用户的行为和偏好来实现推荐；混合推荐系统则结合上述多种推荐技术的优点以获得更好的精度、性能和通用性[5]。
在上述研究中，协同过滤算法是移动学习推荐中的研究热点之一[5]。协同过滤算法主要分为基于内存的方法和基于模型的方法两类。基于内存的协同过滤推荐算法主要关注用户或项目之间的相似关系；基于用户的协同过滤推荐算法则关注用户的历史数据，如用户评分数据、浏览数据等，计算用户之间的相似度，核心思想是选择最相似的用户作为邻居，利用相似邻居的偏好进行预测。协同过滤推荐系统中需要解决的是普遍存在评分数据稀疏问题，即用户评价或查看的项目远远小于用户未评价或未查看的项目。
具体到移动推荐技术如何提高推荐准确度，需要结合信息过滤技术、决策支持技术来解决信息过载问题[5]。其核心是在移动数据稀疏的情况下更为精确地估算预测用户对未知信息的主观评分，如通过收集用户行为数据、建立偏好模型、根据用户的行为和偏好对不同用户的同类需求推荐选取个性化内容等[5]。然而，移动环境下的空间数据复杂性较高，并且用户的上下文信息更加模糊[9]。因此，社交网络协作学习的引入至关重要[10]。
协作学习是一个以学生为中心的学习的过程，包括学习任务和方法的实施与交流。协作学习的优势在于沟通、人际关系和社会合作、分享、关怀、开放、创新、管理、务实、责任、参与等。在移动学习中纳入协作学习，有利于提高学习效率和可持续性[11]。然而，如何实现移动学习相关社交活动数据的结构管理，是实现学习内容过滤的一个需要解决的关键问题[11]。结合处理上下文与社交化学习信息为移动学习内容推荐提供了较好的解决思路。
目前研究主要包括：利用地理上的接近来采用链路预测方法为用户推荐好友信息；根据上下文信息判断用户间的亲近程度，从而构建用户的社交网络；采用语义网的本体语言挖掘移动用户间隐含的社会关系；等等[2]。如胡勋（2014）等将项目的相似性、移动用户的相似性和移动用户的社会关系网络融合到推荐模型，构建基于启发式的方法，将项目相似性和移动用户信任关系与协同过滤算法融合，利用教育数据挖掘（Educational Data Mining，EMD）
方法实现融合项目特征的移动用户相似度计算，继而基于移动用户的相似网络和信任网络构建邻居集合并进行推荐[12]。
上述研究为所述问题的解决提供了借鉴。
网络学习行为分析 网络学习行为是指学习者在由现代信息技术所创设的、具有全新沟通机制与丰富资源的学习环境中开展的远程自主学习行为，行为的发生、发展以及变化由学习者自己控制[13]。主要行为包括：学习者借助网络提供的交流工具自主进行主题研讨和交流；学习过程中获取来自教师、学习支持系统等的支持和帮助；形式上可分为探索性学习、投入型学习、体验型学习、激励性学习、扩展性学习与有效性学习等几大类[13]。网络学习行为是用于数字化学习内容推荐的重要指标之一。
随着网络学习平台技术的不断完善，一些学者尝试构建网络学习行为模型，跟踪和分析网络学习者的操作行为。例如：文献[13]构建了一种以学习者为中心的W习行为分析模型，用来分析学习者的学习需要、学习兴趣和学习行为习惯；文献[14]提出构建用户学习需求清晰度模型；文献[15]尝试通过分析学习者的浏览行为，进而确定学习者的学习风格；文献[16-17]等借助网络学习者的学习需求、学习行为记录和个性特征等，探讨学习者的学习绩效评价方式。近年来随着社交网络的兴起，学者开展了学习社区行为分析等研究[18]。
大数据云计算――Hadoop Hadoop是仿照谷歌类似系统开发的云计算开源框架（Hadoop MapReduce/HBase/HDFS）
中的重要组成部分之一，它为数字化学习资源推荐的分布式操作奠定了基础。其中，HDFS为上层非结构化存储提供高性能、高并发服务；HBase负责提供结构化数据服务的分布式数据库；Hadoop MapReduce是一种并行计算的编程模型，用于作业调度，可将一个大作业拆分为多个小作业的框架（两者本质相同，仅规模不同），而用户需要做的只是决定拆成多少份以及定义作业本身，从而大大降低分布式系统的编程工作难度。
3 移动学习推荐系统分析
数字化学习推荐系统通常是在已知学习行为特征进行智能感知基础上实现高质量学习资源推荐的智能软件系统，目的是协助学习者选择合适的课程、知识点关联的学习材料或学习活动等信息[20]。数字化学习推荐系统的基本要素包括事件、会话和推荐过程[19]。其中，事件是由用户执行的操作所引起的系统调用；一系列事件构成会话，如每点击一个超链接就生成一个新的事件会话；推荐过程是产生一组推荐所要执行的操作序列[19]。
数字化学习推荐系统的功能通常包括[20]：使用网络分析技术，收集学习者的配置文件并确定其个性化需求；收集学习目标的元数据与识别功能；获取相关的学习者与学习者匹配程度的知识学习目标，并采用一些先进的技术实现匹配的过程。数字化学习推荐系统大体可以分为两类：基于学习者兴趣的学习资源推荐系统和基于教学策略的学习资源推荐系统[20]。在此基础上，笔者总结了每一类不同策略的基本描述和案例，如表1所述。
由文献分析，基于情境感知理论的数字化学习形态正成为主流，在此基础上研制的协同过滤系统融合了多种推荐策略的优点。如文献[1]提出一种混合的推荐系统，为用户的学习过程推荐学习项目。该方法包括两个步骤：首先使用基于项目的协同过滤发现内容相关的项集；然后根据共同学习序列，应用项目集的序列模式挖掘进行过滤算法。文献[32]则提出一个模糊语言的推荐系统，以方便学习者访问对他们感兴趣的数字化学习资源，具体要求是满足学生的具体需求、促进并引导学生开展关联学习、改进教学过程；文献[33]提出一个上下文感知的建议框架，包括上下文感知的协同过滤与基于图的聚类技术和矩阵分解的上下文建模相结合的方法以及平均预测评级方法；文献[29]提出一种个性化的上下文感知学习系统以提高学习效率。
同时，基于云计算的推荐服务，可以依赖先进的人工智能机制，从用户所在的不同社交网络汇总数据，推断知识和兴趣，从而为移动学习注入新的动力[3-6] 。如文献[34]基于先进的以人工智能为基础的结构和算法，提出一种知识评估方法和相应的推荐系统。此外，组推荐技术也可以通过检测组用户并聚类，然后在最大可用数量限制条件下产生足够的推荐列表[35]。
4 移动云学习内容推荐框架
由上述文献分析，针对其特点，移动学习推荐系统将围绕基于情境感知理论与云计算开展工作。在文献[3]工作的基础上，笔者拓展其通用模型。模型采用SOA架构设计，可分为平台层、服务层、应用层（如图1所示）。其中，平台层负责实现教育云环境下分布式学习行为与学习偏好分析的计算；Hadoop作为分布式资源云推荐的基础架构，包括基于HDFS的存储优化与基于MapReduce的云计算功能。应用层负责学习推荐服务，包括用户推荐列表的呈现与个性化查询的输入接口。服务层实现学习推荐引擎与服务接口功能，服务接口包括推荐接口与查询接口。
服务层核心部分在于通过反馈系统从Hadoop基础架构获取行为感知、社交感知、语义感知信息的基础上运行协同过滤，完成基于情境感知的学习内容推荐引擎功能。学习者偏好分析与推荐算法是推荐系统的核心，学习者偏好分析通过对行为感知、社交感知、语义感知的综合信息分析构建数据模型，进而应用推荐算法实现个性化推荐目标。其中，行为感知目标是获取学习者既往应用学习资源过程中的个体学习行为特征；社交感知目标获取协作学习的共性特征；语义感知目标是获取虚拟学习环境中多粒度学习对象的语义特征。
实施中系统功能将分为服务端与移动应用程序两部分。服务器端收集用户上下文感知即学习行为、语义检测与社交学习参与信息，完成学习者偏好分析与协同推荐算法；移动应用程序则负责学习者行为信息的上传与推荐服务的终端呈现。具体实施按照以下步骤。
首先，语义感知子系统依据反馈系统构建一个共同的抽象的整体知识库，涵盖了对应领域知识的相关知识语义本体及关系。该子系统可借鉴基于先进的人工智能为基础的推荐算法[34]。
其次，社交感知子系统则根据课程主题组或者论坛参与情况并辅助于K-近邻算法确定群组关系，同时构建具备群组特性的行为隐性反馈信息。
最后，借鉴文献[36]改进的行为感知子系统通过反馈系统获取用户交互信息，并结合社交化学习类隐性信息构建隐式反馈数据库，进而通过显式映射实现显式反馈，再进行数据库信息比对，完成数据推荐（如图2所示）。
上述步骤中，行为感知是协同推荐的关键技术。首先，引入Edward Rolando定义的移动电子书浏览用户行为评价对象（如表2所示），并采用用户交互行为转化算法来确定用户行为Ai（i=1，...，11）的分值[36]。
其次，在Ai分值确定的基础上，实现隐性评价的显式映射。Edward Rolando定义评价矩阵向量u（i，j）表示第i个用户对第j个内容的评分，则[36]：
若已评价则取值A1为显式评分，反之取值S为隐性评分，其获取方法如下[36]：
式中Pk为对除去A1外的Ak用户行为的权重，且 0≤Pk≤1，（3）。
N表示完成的行为的总次数：
Pr是A2...An的中第i个用户在第j个内容不执行的动作重新分配的Pk权重：
其中，Q（Ak）即未评价时给予固定的P值：
5 总结
由于移动终端的特殊性，移动云学习中的“知识迷航”有加剧趋势，而内容推荐技术为之提供了一条便捷之路。简而言之，教育目标的准确性与推荐技术的模糊性存在天然的矛盾，为了改善移动学习内容推荐的效果，需要另辟蹊径。通常，用户行为数据体现了用户学习的情境与社交特征，是移动云学习过程控制的关键要素之一。通过内容推荐技术与云计算技术相结合构建社交学习情境，是未来移动学习的发展方向之一。考虑到移动学习环境加剧了用户行为数据的稀疏性，引入上下文行为、语义与社交网络信息是发掘情境学习特征的关键。因此，基于行为感知、社交感知、语义感知，以协同过滤算法为核心的内容推荐方案具有一定的研究价值，其优势在于在提高推荐精度的前提下最大限度地增强推荐的多样性。
在后续工作中，笔者将围绕华中师范大学“StarC云课堂”展开实证研究，从而探索协同推荐的权重设置策略以及有效降低推荐运算复杂度的便捷机制。
参考文献
[1]Chen W， et al. A hybrid recommendation algorithm adapted
in e-learning environments[J].World Wide Web，2014，17（2）：
271-284.
[2]朱煦，陈志奎，凌若川.一种移动上下文感知的好友推荐方法[J].小型微型计算机系统，2015，36（4）：744-748.
[3]王萍，刘玲.基于PaaS云模式的学习推荐系统研究[J].中国教育信息化，2013（3）：78-81.
[4]桑基韬，梅涛.移动环境中基于情景的个性化推荐[EB/
OL].[2013-07-08].http：//.cn/sites/ccf/nry.jsp？con
tentId=2746457350432.
[5]刘嘉，都兴中，陈振宇，等.移动推荐研究综述[J].情报科学，2012（10）.
[6]Stantchev V， Prieto-González L， Tamm G. Cloud computing service for knowledge assessment and studies recommendation in crowdsourcing and collaborative learning environments based
on social network analysis[J].Computers in Human Behavior，
2015（51）：762-770.
[7]Chao H C， et al. A M-Learning Content Recommendation Service by Exploiting Mobile Social Interactions[J].TLT，2014，
7（3）：221-230.
[8]安维，刘启华，张李义.个性化推荐系统的多样性研究进展[J].图书情报工作，2013，57（20）：127-135.
[9]宋封，熊辉，张蓉.下一代移动推荐系统[J].华东师范大学学报：自然科学版，2013（3）：37-45.
[10]Santos O C， Boticario J G. User-centred design and educa-
tional data mining support during the recommendations elicita-tion process in social online learning environments[J].Expert Systems，2015，32（2）：293-311.
[11]Asabere N Y. Review of Recommender Systems for Learners
in Mobile Social/Collaborative Learning[J].ICT Journal，2012，
2（5）：429-431.
[12]胡祝孟祥武，张玉洁，等.一种融合项目特征和移动用户信任关系的推荐算法[J].软件学报，2014（8）：1817-1830.
[13]丁旭. E-Learning平台上基于学习行为分析的个性化教学系统的研究与实现[D].沈阳：东北大学，2008.
[14]Sun L， Ousmanou K， Williams S. Articulation of Learners
Requirements for Personalised Instructional Design in E-Learning
Services[J].Lecture Notes In Computer Science，2004，3143：
424-431.
[15]Lo J， Shu P. Identification of learning styles online by ob-
serving learners’browsing behaviors through a neural network
[J].British Journal of Educational Technology，2005，33（1）：
43-55.
[16]解冬青.网络学习的个性化评价系统的研究与设计[D].上海：华东师范大学，2011.
[17]Lee W， Shih B， Tu L. The application of KANO’s model for improving Web-based learning Performance[C]//Proceedings of the 32nd IEEE Frontiers in Education Conference. New York，
2002：27-32.
[18]李丹立.E-learning中基于聚类算法的多维度学习社区的研究[D].上海：上海交通大学，2011.
[19]Anandakumar K， Rathipriya K， Bharathi A. A Survey on
Methodologies for Personalized E-learning Recommender Sys-
tems[J].International Journal of Innovative Research in Com-
puter and Communication Engineering，2014，2（6）：4733-4738.
[20]Lu J， et al. Recommender system application developments： A survey[J].Decision Support Systems，2015（74）：12-32.
[21]Kristensen T， Dyngeland M. Design and Development of a Multi-Agent E-Learning System[J].International Journal of Agent Technologies and Systems，2015，7（2）：19-74.
[22]Nú?ez-Valdéz E R， et al. Creating recommendations on electronic books： A collaborative learning implicit approach[J].Computers in Human Behavior，2015（51）：1320-1330.
[23]Capuano N， et al. Elicitation of latent learning needs through
learning goals recommendation[J].Computers in Human Beha-vior，2014，30（1）：663-673.
[25]Farzan R， Brusilovsky P. Social navigation support in a course recommendation system[J].Adaptive Hypermedia and Adaptive Web-based Systems，2006：91-100.
[26]Cobos C， et al. A hybrid system of pedagogical pattern re-
commendations based on singular value decomposition and va-
riable data attributes[J].Information Processing & Management，
2013（49）：607-625.
[27]Santos O C， Boticario J G， Pérez-Marín D. Extending web-
based educational systems with personalised support through user
centered designed recommendations along the e-learning life
cycle[J].Science of Computer Programming，2014（88）：92-109.
[28]Rodríguez P， Duque N， Ovalle D A. Multi-agent system for Knowledge-based recommendation of Learning Objects[J].Advances in Distributed Computing and Artificial Intelligence Journal，2015，4（1）：80-89.
[29]Akbari F， Taghiyareh F. E-SoRS： A personalized and social recommender service for E-learning environments[C]//In pro-ceedings of 8th National and 5th International Conference on e-
Learning and e-Teaching（ICeLeT）.2014：1-12.
[30]Liu L， Koutrika G， Wu S. Learning Assistant： A novel learning resource recommendation system[C]//In proceedings of ICDE.2015：1424-1427.
[31]Zapata A， et al. Evaluation and selection of group recom-mendation strategies for collaborative searching of learning ob-
jects[J].International Journal of Human-Computer Studies，
2014（76）：22-39.
[32]Porcel C， et al. A Learning Web Platform Based on a Fuzzy
Linguistic Recommender System to Help Students to Learn Re-
commendation Techniques[C]//Springer International Publishing.
2015.
[33]Do P， et al. A Context-Aware Recommendation Framework
in E-Learning Environment[C]//In proceedings of FDSE.2015：
272-284.
[34]Stantchev V， Prieto-González L， Tamm G. Cloud computing
service for knowledge assessment and studies recommendation in crowdsourcing and collaborative learning environments based
on social network analysis[J].Computers in Human Behavior，
2015（51）：762-770.
第4篇：推荐一个好地方作文范文
关键词： 推荐系统； 混合推荐； 推荐潜力； 个性化； 趋势预测
中图分类号： TP181 文献标志码： A
0引言
在大数据时代，推荐系统面临着新的机遇和挑战。从文献[1]可知，推荐系统的推荐精准度是衡量推荐系统质量好坏的首要指标，而当前推荐系统的推荐精度仍不足以令人满意。文献[2]通过扩散的算法，从原来的一阶关联到二阶甚至更高阶的关联，从而提高相似性的分辨率，提高推荐精准度。文献[3]根据用户评分向量交集大小选择候选最近邻居集，采用反向传播（BackPropagation，BP）神经网络预测用户对项目的评分，减小候选最近邻数据集的稀疏性来提高推荐精准度。以上两种方法是从数据稀疏性上来解决推荐精度问题，然而数据稀疏性问题本质上是无法克服的，方法有较大的局限性，扩展性较差，同时多阶关联和采用神经网络进行预测使得算法复杂度较高。矩阵分解模型是当前的主流推荐技术，由文献[4-6]可知矩阵分解模型不仅可以挖掘用户物品之间隐特征关系，而且具有很好的可扩展性，能充分而全面地考虑各种影响因素，具有较高的推荐精度。然而矩阵分解模型增量计算能力和解决冷启动能力较差，并且其推荐结果不具有较好的可解释性。
在传统的推荐算法中[7-8]，混合推荐模型的推荐精度优于其中单一的推荐模型，从文献[9-10]也可知，提高推荐的准确率需要充分地考虑用户和物品的各种因素。然而，绝大部分影响用户对物品行为的因素都难以捕获，难以应用到推荐模型中来。从物品的角度出发，不难发现所有的影响因素的结果都表现在物品访问率以及其变化趋势上。下一刻的物品访问率是当前影响因素的表现形式，其值越大说明当前影响因素综合表现越为积极。而访问率变化趋势则度量了当前影响因素动态变化效果，若其有变大的趋势，则说明影响因素综合效果有偏向积极的走势[11-12]。从文献[13]中对Twitter上热点话题的预测方法得到启发，提出基于趋势预测的推荐潜力值。从物品推荐潜力的角度，利用物品趋势预测的方法来预测下一刻物品访问率以及其变化率，从而捕获当前各个影响因素的综合效果，得到每个物品的推荐潜力值，并将其融入到个性化推荐模型中得到推荐精度较高的新模型。
本文的主要贡献如下：
1）引入了度量物品推荐潜力的3个要素，即：物品当前热度（物品访问率）、物品热度趋势（物品访问率变化趋势，下文表述为物品趋势动量）以及物品热度趋势的变化趋势。
2）根据如上3个要素分别给出了相关定义，同时给出了各自的表示方法。
3）综合这3个要素分析，提出了基于物品趋势预测的推荐潜力值计算方法，最后将该方法融入到推荐模型中得到精度较高的新模型。
1物品趋势预测
1.1相关定义
按照推荐系统和物品趋势预测的实时性要求，需要在较短的时间内更新影响因素度量值，因此推荐是以时间单位的划分作为趋势预测的基础。首先给出单位时间片的定义。
4结语
推荐系统的推荐精度一直以来都难以令人满意，如何提高推荐精度也一直是推荐系统研究者努力的方向。从近几年较火热的奇异值分解相关的模型可知，一个推荐模型融入影响用户对物品评分的因素越多，模型的推荐精度越高，如何充分地挖掘和利用这些影响因素是提高模型推荐精度的关键所在。本文介绍的物品趋势预测是从影响因素的结果出发，引入度量影响因素的下一刻物品热度和当前热度变化趋势两个变量，并利用这两个变量给出物品推荐潜力值的计算方法，并将其融入到推荐系统中，显著提高了模型的推荐精度。然而，本文介绍的方法在考虑影响因素时，仅从物品的角度进行分析，推荐潜力值的计算也是仅基于物品趋势预测。仅针对面向物品这一个方面来拟合影响因素是不够的，如何通过多维度的结果来分析和拟合影响因素，进一步提高模型的推荐精度，是我们正在努力的方向。
参考文献：
[1]LIUJG，ZHOUT，GUOQ，etal.Overviewoftheevaluationalgorithmsforthepersonalrecommendationsystem[J].ComplexSystemsandComplexityScience，2009，6（3）：1-10.
[2]HUANGZ，CHENH，ZENGD.Applyingassociativeretrievaltechniquestoalleviatethesparsityproblemincollaborativefiltering[J].ACMTransactionsonInformationSystems，2004，22（1）：116-142.
[3]ZHANGF，CHANGHY.EmployingBPneuralnetworkstoalleviatethesparsityissueincollaborativefilteringrecommendationalgorithms[J].JournalofComputerResearchandDevelopment，2006，43（4）：667-672.
[4]KORENY，BELLR，VOLINSKYC.Matrixfactorizationtechniquesforrecommendersystems[J].Computer，2009，42（8）：30-37.
[5]LANGSETHH，NIELSENTD.Alatentmodelforcollaborativefiltering[J].InternationalJournalofApproximateReasoning，2012，53（4）：447-466.
[6]DESARKARMS，SAXENAR，SARKARS.Preferencerelationbasedmatrixfactorizationforrecommendersystems[M]//UserModeling，Adaptation，andPersonalization.Berlin：SpringerVerlag，2012：63-75.
[7]XUHL，WUX，LIXD，parisonstudyofInternetrecommendationsystem[J].JournalofSoftware，2009，20（2）：350-362.
[8]LIUJG，ZHOUT，WANGBH.Researchprogressofpersonalizedrecommendationsystem[J].ProgressinNaturalScience，2009，19（1）：1-21.
[9]KORENY.TheBellKorsolutiontothenetflixgrandprize[EB/OL].[20121010].http：//stat.osu.edu/～dmsl/GrandPrize2009_BPC_BellKor.pdf.
[10]TOSCHERA，JAHRERM，BELLRM.TheBigChaossolutiontotheNetflixGrandPrize[EB/OL].[20121010].http：//mendo.at/UserFiles/commendo/File/GrandPrize2009_BigChaos.pdf.
[11]PERAMS，NGYK.Agrouprecommenderformoviesbasedoncontentsimilarityandpopularity[J].InformationProcessing&Management，2013，49（3）：673-687.
[12]CHENYL，CHENGLC.Anovelcollaborativefilteringapproachforrecommendingrankeditems[J].ExpertSystemswithApplications，2008，34（4）：2396-2405.
第5篇：推荐一个好地方作文范文
一、评选工作
要求严格执行《藏族自治州人力资源和社会保障局省藏族自治州地方税务局关于评选表彰州地税系统先进集体和先进个人的通知》文件精神和要求,认真做好宣传发动、组织申报、审核上报等系列工作,做到公开、公平、公正，把最优秀的同志推荐上去。
二、评选推荐
工作开展过程根据上级文件精神，我局评选推荐工作严格做到“公开、公平、公正”，确保推荐质量，并切实加强组织领导，做好评选推荐组织实施工作，严格按照评选推荐标准，按照以下评选程序开展推荐工作:
（一）召开局务会议，学习领会文件要求，统一思想，落实分工，制定实施计划。评选推荐工作由人事（监察）股负责。
（二）在oa系统传阅州地税局评选推荐工作文件，各部门及时组织干部职工学习文件，领会要求，积极动员。
（三）要求全局干部职工进行民主推荐，各部门组织，并以部门名义于11月3日前交予人事（监察）股。
（四）县局召开局务会，对民主推荐名单进行研究，并决定三个部门和三名个人提交党组研究。党组研究决定第二税务所为先进集体，盛阿林同志为先进个人，并提交职工代表大会通过。
第6篇：推荐一个好地方作文范文
关键词：推荐技术；比较；适用性
中图分类号：TP274 文献标识码：A文章编号：1007-9599 (2011) 19-0000-02
Comparative Study of the Recommended Techniques
Wu Zhenhui1,2
(1.School of Information Engineering,Yangzhou University,Yangzhou225000,China;2.Yangzhou Vocational College of Environment and Resources,Yangzhou225127,China)
Abstract:With the development of Web technology,the information explosion of extremely intelligent recommendations technology to promote development.This article describes several common recommendation techniques,analyzes their advantages and disadvantages,and examples of analysis of the current widespread use of several recommended technical applicability.
Keywords:Recommended technology;Comparison;Applicability
随着Web技术的发展，使得网站内容的创建和分享变得越来越容易，每天都有大量的信息到网上，信息的极度爆炸使得人们找到他们需要的信息变得越来越难。在这样的情形下，搜索引擎成为大家快速找到目标信息的最好途径。但搜索引擎并不能完全满足用户对信息发现的需求，因为在很多情况下，用户其实并不明确自己的需要，或者他们的需求很难用简单的关键字来表述，又或者他们需要更加符合他们个人喜好的结果，因此出现了推荐系统，与搜索引擎对应，人们习惯称它为推荐引擎。如果说过去的十年是搜索技术大行其道的十年，那么智能化推荐技术将成为未来十年中最重要的革新之一。
推荐技术最早应用于电子商务领域的网上购物中，根据用户个人的喜好，通过向用户推荐产品、提供信息来帮助他们做出高效的购买决策。其中最具代表性的是亚马逊网络商店（），很早就意识到一个优秀的推荐系统可以为自己及用户带来什么，直到现在依然是同类网站效仿的对象。
一、常用推荐技术
为了产生精确而有效的推荐，保证推荐系统的要求，随着技术的发展，先后出现了各种不同的推荐技术：
（一）基于用户统计信息推荐
根据系统用户的基本信息发现用户的相关程度，这种被称为基于用户统计信息推荐。这是一种最易于实现的推荐方法，它只是简单地根据系统用户的基本信息发现用户的相关程度，然后将相似用户喜爱的其他物品推荐给当前用户。
该方法的工作原理是，首先系统对每个用户都有一个用户Profile的建模，其中包括用户的基本信息，如用户的年龄、性别等等；然后，系统会根据用户的Profile计算用户的相似度，如果用户A的Profile和用户B一样，那么系统会认为用户A和B是相似用户，在推荐引擎中，称他们是“邻居”；最后，基于“邻居”用户群的喜好推荐给当前用户一些物品。
这种基于用户统计信息推荐的好处在于：（1）因为不使用当前用户对物品的喜好历史数据，所以对于新用户来讲没有“冷启动”的问题；（2）这个方法不依赖于物品本身的数据，所以这个方法在不同物品的领域都可以使用，它是领域独立的。
但是，这个方法的缺点和问题在于：（1）这种基于用户的基本信息对用户进行分类的方法过于粗糙，尤其是对品味要求较高的领域，比如图书、电影和网络学习等领域，无法得到很好的推荐效果；（2）这个方法可能涉及到一些与信息发现本身无关却比较敏感的信息，比如用户的年龄等，而这些用户信息一般不能很好地被获取。
（二）基于内容推荐
这是一种在推荐引擎出现之初应用最为广泛的推荐机制。根据推荐物品或内容的元数据，发现物品或者内容的相关性，然后基于用户以往的喜好记录，推荐给用户相似的物品。
例如电影推荐系统，首先需要对电影的元数据有一个建模，比如电影的类型；然后通过电影的元数据发现电影间的相似度，如类型都是“浪漫爱情”的电影A和B被认为是相似的电影（当然，只根据类型是不够的，要得到更好的推荐，我们还可以考虑电影的导演、主演等等）；最后实现推荐。所以，对于用户张三，他喜欢看电影A，那么系统就可以给他推荐类似的电影B。
这种基于内容的推荐机制的好处在于：能很好地建模用户的口味，能提供更加精确的推荐。
但它也存在以下几个问题：（1）需要对物品进行分析和建模，推荐的质量依赖于对物品模型创建的完整和全面程度。在现在的应用中，关键词和标签被认为是描述物品元数据的一种简单有效的方法；（2）物品相似度的分析仅仅依赖于物品本身的特征，没有考虑人对物品的态度；（3）因为需要基于用户的历史喜好做出推荐，所以对于新用户有“冷启动”的问题。
（三）协同过滤推荐
随着Web2.0的发展，Web站点更加提倡用户参与和用户贡献，因此基于协同过滤的推荐机制因运而生。它的原理就是根据用户对物品或者信息的偏好，发现物品或者内容本身的相关性，或者是发现用户的相关性，然后再基于这些关联性进行推荐。如果说“基于内容的推荐”被视作由机器完成的推荐，那么“协同过滤推荐”就可以被看成是由人完成的推荐。
基于协同过滤的推荐可以分为基于用户的协同过滤推荐和基于项目的协同过滤推荐：
1.基于用户的协同过滤推荐
基于用户的协同过滤推荐的基本原理是，根据所有用户对物品或者信息的偏好，发现与当前用户口味和偏好相似的“邻居”用户群，在一般的应用中采用计算“K-邻居”的算法，然后，基于这K个邻居的历史偏好信息，为当前用户进行推荐。
2.基于项目的协同过滤推荐
基于项目的协同过滤推荐的基本原理也是类似，只是它使用所有用户对物品或者信息的偏好，发现物品和物品之间的相似度，然后根据用户的历史偏好信息，将类似的物品推荐给用户。
所以，以“协同过滤”推荐机制为核心，网站只需要了解“用户都在同哪些人进行交往”、“用户加入了哪些组群”、“用户都在看谁的页面”这样的问题，然后根据“物以类聚、人以群分”的思想为用户推荐他的“邻居”感兴趣的事物。
二、推荐技术的比较
基于用户的协同过滤推荐机制和基于用户统计信息的推荐机制都是计算用户的相似度，并基于“邻居”用户群计算推荐，但它们所不同的是如何计算用户的相似度。基于用户统计信息的推荐只考虑用户本身的特征，不要求有一个历史的用户数据；而基于用户的协同过滤推荐是在用户的历史偏好的数据上计算用户的相似度，它的基本假设是，喜欢类似物品的用户可能有相同或者相似的口味和偏好。
基于项目的协同过滤推荐和基于内容的推荐其实都是基于物品相似度预测推荐，只是相似度计算的方法不一样，前者是从用户历史的偏好推断，而后者是基于物品本身的属性特征信息。
综上所述，表1是几种常用推荐技术的优缺点对比。
三、推荐技术的适用性
由前面的分析可以看出，不同的推荐技术从“获取用户信息”到“用户反馈”整个工作过程的各个阶段都存在明显差异。所以，设计者应考虑这些差异，选择不同的推荐技术以适应不同场景下的用户需求。
基于内容的推荐虽然有很多不足和问题，但他还是成功地应用在一些电影、音乐、图书的社交站点，国内用户最熟悉的是音乐推送网站“潘多拉”。只要在“潘多拉”网站首页的播放器中输入用户最喜欢的歌手名字或者歌曲标题，网站就会自动建立一个网络电台，源源不断地播放最符合用户口味的曲目。
基于用户的协同过滤推荐和基于项目的协同过滤推荐是基于协同过滤推荐的两个最基本的算法，基于用户的协同过滤很早以前就提出来了，基于项目的协同过滤是从Amazon的论文和专利发表之后开始流行的，大家都觉得基于项目的协同过滤从性能和复杂度上比基于用户的协同过滤更优，因为基于项目的协同过滤不考虑用户是“谁”，不考虑用户间的系统差别，所以总的来说，基于项目的推荐系统的精度较差。但是，这种技术有其独具的优点，就是计算速度比较快，尤其是在用户多于内容项的情况下。但我们往往忽略了这种情况更适用于提供商品的电子商务网站，而对于新闻、博客或者微内容的推荐系统，情况往往是相反的，因为这些网站中物品的数量常常是海量的，同时也是更新频繁的。所以单从复杂度的角度而言，这两种技术在不同的系统中各有优势，所以推荐策略的选择其实和具体的应用场景有很大的关系。
国内以图书推荐起家的“豆瓣”就是协同过滤推荐的代表。从建站以来，豆瓣就只是提供给用户关于图书、电影和音乐的基本信息，而不需要由网站员工对用户或者物品做出“贴标签”式的逐一了解。用户在“豆瓣”上发现新的产品，完全以他们参与的小组和关注的对象作为切入点，在网站上的参与度越高，发现的效果也就越好。
当然，在现实的推荐系统中，很少有只使用一种推荐策略的推荐引擎，一般都是在不同的场景下使用不同的推荐策略，从而达到最好的推荐效果，例如Amazon的推荐，它将基于用户本身历史购买数据的推荐，和基于用户当前浏览的物品的推荐，以及基于大众喜好的当下比较流行的物品，都在不同的区域推荐给用户，让用户可以从全方位的推荐中找到自己真正感兴趣的物品。
四、结束语
不同的推荐技术都有其适用条件和范围，只有根据不同的场景选择适用的推荐技术，才能使所提供的个性化服务更加有效。
参考文献：
[1]石琳.网上购物与网上学习中的个人化推荐系统的比较[J].清华大学学报(自然科学版)2006,46(S1):1030-1035
[2]丁雪.基于数据挖掘的图书智能推荐系统研究[J].情报理论与实践,2010,33(5):107-110
[3].
第7篇：推荐一个好地方作文范文
在企业招聘中，员工内部推荐是常用的招聘方式之一，企业员工可以通过公司内部邮件、公告栏、公司官网等渠道获取内部最新的招聘信息，通过一定的推荐流程向企业举荐符合条件的熟人、朋友。据某测评公司新近的调研数据显示，来自传统网站的应聘简历在招聘中的有效率尚不足1%，而实行员工内部推荐，应聘者的简历有效率可达到近20%。一些内部推荐项目做得较好的公司，通过内部推荐招聘到的人才占全年招聘总数的50%-70%。可见，借助企业员工的外部社交资源招聘人才不失为企业高效招聘的一条捷径。因而，国内许多企业已将员工内部推荐制度化，以鼓励员工为企业持续引进人才。
尽管员工内部推荐在企业招聘中的应用日益广泛，但不同企业执行的效果却良莠不齐。
制度设置待规范
大多数企业的人力资源部门在制定员工内部推荐制度时，会遵循如下基本模式——目的、适用范围、推荐原则、推荐流程、奖励标准及兑现方式等。A企业是一家制造型企业，其员工内部推荐及奖励制度规定，推荐人须是“除人力资源部以外”的所有内部员工。在推荐流程上，A企业规定，人力资源部“定期将目前公司的空缺职位在公司内进行公示”，如果面试合格，会“及时将结果反馈给推荐人”。对于推荐人员的奖励，公司规定：“被推荐人经公司录用转正并且在公司工作期限满一年，公司将给予推荐人奖金300元。”
从A企业的员工内部推荐制度不难发现，其中存在几个非常典型的漏洞：
首先，推荐人资格限定不够严谨。A企业规定，企业内从事人力资源工作的相关人员不适用推荐奖励制度。这一方面是由于招聘工作是人力资源部门的本职工作，另一方面也是为了防止人力资源部门工作人员违规录用员工，给企业带来用人风险。除此之外，笔者认为，空缺岗位的部门负责人也不应获取推荐奖励，因为这种直接隶属关系对被推荐人转正、评估都有着决定性的影响。同时，企业的用人标准也容易因掺杂了部门主管的主观因素而转变为个人标准，留下不公平职场氛围的隐患。
其次，推荐流程描述不够清晰规范。A企业的操作流程存在多处描述不明确的情况，如“岗位空缺将定期公示”，“及时将结果反馈给推荐人”，关于公示时间、公示方式、信息反馈的时间等都含糊不清。人力资源部门在制定相关制度时，应具体加以说明，如“面试结束后的一周内，人力资源部会发出答谢信，并将结果通过邮件或电话反馈给推荐人”等。
再次，奖励标准设定不合理。在A企业的内部推荐奖励制度中，对于不同岗位的人才推荐均采用同一种奖励标准，奖金兑现周期为新员工入职满一年后，这种“一刀切”的做法和奖励时间延后的奖励制度明显动力不足。
除此之外，员工内部推荐引进人才还存在一些共性问题：如，人际圈范围相对较窄，熟人引荐有可能形成内部小团体而不利于整体管理，企业高层参与人才推荐的敏感性较高，以现金驱动的内部推荐方式会使一些员工将精力过多放在赚取额外收入上等等。因此，企业在采用员工内部推荐进行招聘的同时，最好
配合其他招聘方式，如公开招聘、内部招聘、使用专业机构的招聘外包服务等方式，来弥补内部引荐的欠缺，完善企业职缺管理系统。
激励形式多样化
制定规范的企业员工内部推荐制度与流程，可以有效避免上述常见问题。笔者在工作实践中发现，企业员工内部推荐制度最大的挑战在于员工参与度不高。据调查，大多数中小型企业员工内部推荐参与度不到10%，而星巴克、渣打银行、腾讯等国内外知名企业，以制度鼓励员工为企业持续引进人才，其员工推荐参与度均达到30%-40%。笔者认为，这与企业采用的激励政策是否合理有直接关系。企业只有理解内部推荐的深层价值，制定出具有极大吸引力的激励机制，才能充分调动员工参与内部推荐的积极性。
在奖励方式上，大多数企业选择现金奖励，认为以现金为驱动力的奖励方式能更直接地激发员工的举荐行为。事实上，企业对员工推荐的认可非常重要。员工内部推荐的奖励政策不同于薪酬激励，不单纯是劳动报酬，更是企业向员工表达其为企业所做额外贡献的鼓励，这种额外贡献实质上是员工对企业的认同度和忠诚度。通过奖励，可以使员工感受到企业对其额外贡献的直接反馈，从而强化员工的组织荣誉感与责任意识。
目前，对于员工内部推荐，一些企业已由单一的现金奖励，转为多样性的激励形式，如年度/季度积分排名、积分兑换礼品、颁发特殊荣誉奖等方式，在进行物质奖励的同时，凸显出对员工的精神激励。例如，腾讯公司为鼓励员工参与内部推荐，倡导“全员伯乐”文化，设置多种伯乐奖项，颁发给内部推荐过程中表现出色的员工。
另外，企业对员工内部推荐的奖励多以结果为导向，通常只有被推荐人正式被录用才算作招聘成功。事实上，人才引荐的过程也是雇主品牌的推广过程。推荐人在与被推荐人进行招聘与求职意向的沟通时，会全方位地向对方传递所在企业的价值观、文化氛围等信息。在此过程中，每个员工都是企业品牌宣传的一个活广告，企业通过员工的大力推介，借助员工对企业文化的认可，将企业品牌文化传播出去。即使员工最终未能成功引入人才，也在无形中完成了一次品牌推广。对于这种隐性收益，企业也应适当给予员工奖励。如星巴克公司，采用过程与结果双重导向的奖励方式，根据员工推荐的简历数颁发象征荣誉的小星星，以激发员工的积极性，并定期根据推荐成功率颁发额外奖励。在内部推荐的激励过程中，将物质与精神、过程与结果合理地结合，才能使激励作用更加持久有效。
奖金兑现弹性化
奖金制度是绝大多数企业在内部员工推荐项目中采用的奖励方式。值得注意的是，企业在开展内部推荐项目时，对推荐奖金的设定万不可实行“一刀切”。一般来说，推荐奖金的数额需要按照市场规律周期性地进行调整，失业率高的时候，应适当降低推荐奖金，反之亦然。
由于企业中不同层级、不同岗位的人才对企业的贡献与招聘难度存在差异，因此，企业可以根据招募人才的岗位不同，对引荐人给予相对应的奖励额度。另外，奖金兑现周期越长，激励效果越弱。企业可以按照被推荐人入职时间的长短，对引荐人分阶段地兑现奖金，被推荐人入职时间越长，推荐人获取的奖励就越多，这种分段式兑现奖金的方式激励效果更为明显和持久。
第8篇：推荐一个好地方作文范文
关键词：推荐系统；个性化推荐系统；协同过滤；基于内容推荐；网络结构推荐
中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2013）27-6067-02
现如今，我们可以看到很多解决信息过载问题的方法。例如，分类目录和搜索引擎。但是这两种方法都不能满足现在用户的个性化需要。因为现在的用户更多的是希望系统能够帮助他们准确、快速地推荐出他们想要的和他们潜在的喜好信息。而搜索引擎只能向那些能够表达出准确的关键词的用户推荐产品，因此不能解决用户的很多其他需求，如果当用户不能够找到准确描述自己需求的关键词时，搜索引擎就无能为力了。而个性化推荐系统就不要求用户给出很清楚的目标，它只要了解用户过去的选择过的信息来对用户的爱好进行建模，进而主动地把那些能够满足用户兴趣需求的信息推荐给用户。个性化推荐算法的出现，让那些对自己需要不明确的用户能够找到他们的兴趣点，主动地去浏览网页。网购已经成为我们生活的一部分了，如果我们不想出门，可以到当当或淘宝网上搜索想要的产品，然后你会搜出很多相关的信息，产品数目非常巨大。同时使用网络的用户数目也很巨大。好的推荐系统能够挖掘出用户可能喜欢，而自己还没有觉察到自己喜欢的产品。尽管现有的推荐系统已经取得了巨大的成功，但是还需要在不同领域中进一步完善和发展。该文简单介绍一些实用的推荐系统和推荐算法。根据推荐算法的不同，推荐系统可以分为如下几类：协同过滤系统；基于内容的推荐系统；基于用户—产品二部图网络结构的推荐系统；混合推荐系统。
1 协同过滤系统
协同过滤系统是最古老的并得到广泛应用的一种推荐系统。这个算法的诞生标志了第一代推荐系统的诞生。其核心思想是，根据该用户之前购买过的产品，来推荐一些该用户可能喜欢的产品（那些和用户之前喜欢的产品相似的产品）；也就是根据该用户的需求可以先找到和他有相似兴趣爱好的其他用户，然后把其他用户感兴趣的，而该用户没有听说过的产品推荐给他。
协同过滤推荐系统的算法可以分为两类，基于记忆和基于模型。基于记忆是预测系统中所有被打过分的产品信息，注重于预测用户的相对偏好而不是评分绝对值；缺席投票就是基于记忆方法的一种扩展。基于模型是把打过分的数据收集起来进行研究来得出用户行为模型，然后，再对某个产品进行预测打分。
协同过滤系统现在得到了很好的应用。它具有以下的优点
1）能够帮助用户推荐那些用户本人没有发现的喜欢的产品，相对用户来说的新信息。
2） 能够过滤难以进行基于内容分析的信息。
虽然协同过滤推荐系统得到了很好的应用，但是也面临很多问题。由于是基于用户对产品的评分，所以不论是对新用户还是新产品的推荐，准确度都不是很高。由于用户的数量的不断增加，计算量也不断的加大，直接影响了系统的性能。
2 基于内容的推荐系统
基于内容的推荐（Content-based Recommendation）是信息过滤技术的延续和发展，它是根据用户已有历史信息计算相似性作出推荐的。在基于内容的推荐系统中，产品是通过相关的特征的属性来定义，系统根据用户对产品的评价特征，研究用户的兴趣点，比较用户资料与待预测产品的相似程度。而推荐相似度最高的产品。
基于内容的推荐算法在对信息的获取和信息的过滤两个方面的研究已经很成熟.现在有很多基于内容的推荐系统都是先对产品显示出来的文本信息进行分析，找出相似度比较高的产品进行相应的推荐.
在基于内容的推荐系统中，我们常常把产品的内容用一些关键词来描述出来.基于内容的系统推荐，就是把不同的候选产品和用户过去喜欢的产品进行比较，然后将相似度最高的产品推荐给用户.
基于内容的推荐系统中，通过用户的感兴趣的信息建立用户资料，把用户的兴趣点进行归纳。然后再把归纳出的几个主题文件与文本内容的相似度进行对比，把相似度较高的选择出来展示给用户并更新用户的资料。自动获取或更新用户资料的方法既要考虑用户资料的易更新性也要考虑用户资料的准确性。我们要想准确地挖掘用户感兴趣的信息那就要消耗大量的计算资源，同时也会影响到更新速度。反之，如果更新速度快，其准确性就会受到影响。我们可以通过人机交互的方法来解决这个问题。通过简单的交互式问题来收集用户的信息，从而得出用户的兴趣爱好.然后在根据获得的信息给用户进行更好的高效的推荐.
总的来说，基于内容推荐系统的优点有以下几点：
1）可以解决冷启动问题。
2）可以解决稀疏性问题，用户是否对产品打分都不会影响推荐算法。
3）能够给用户推荐出很新颖的并非很流行的产品。
4）能够提高用户的黏附性。在给用户推荐产品时能够做出很好的解释，从而使得用户能够拥有很好的系统使用体验。
基于内容的推荐系统在技术上还存在一些困难。假设两个相同的产品，用不同的特征词来表示，这样的产品就会被系统认为是相似的产品.又或者用相同的特征词来表示不同的产品，那么这样的产品就很不容易被系统区分.我们可以发现基于内容的推荐系统没有考虑到推荐的多样性.
3 基于网络结构的推荐算法
基于网络结构的推荐算法是利用用户和产品的内容特征作为抽像的节点，再把抽像的节点作为算法的信息.所有算法要用的信息全部都隐含在产品和用户的关系中。
基于二部图资源分配的算法，假设一个由多个用户和多个产品形成的推荐系统.其中如果用户A浏览过产品B，那么A和B之间就会有一条连线（生成一个结点），否则，无连线（无结点）.从而，此系统可以用用户和产品之间的所有结点建立一个二部分图.图中显示对于任何一个目标用户A，推荐算法的目的是先把用户A从未浏览过的产品过滤出来，再对这些产品按用户A的喜好程度进行排列，然后把排列在前面的产品推荐给用户A.如果用户A浏览过的全部产品，都具有向用户A推荐用户A没有浏览过的产品的能力.这种能力可以看成关于相关产品的一些可再分的信息资源——拥有信息资源的产品会把更多的信息资源给予他们信赖的产品.
提高精确度的算法有：通过去除重复属性获得高精度的算法（即二阶关联来提高算法的精确程度）；通过引入耦合阈值提高算法精确性。
这里我们要重点考虑的是，当用户的兴趣爱好相同的时候，推荐冷门的产品要比推荐热门的产品意义更大。因为有些热门产品有时对有些用户你不推荐也会购买或者浏览这些产品，而对于那些冷门的产品，如果没有好的推荐，就很难被可能喜欢他的用户发现。所以挖掘这些暗信息对推荐系统的意义也很大。一个好的推荐系统就是帮助用户发现那些他们感兴趣但很难发现的商品，满足用户的个性化需求，这也是个性化推荐系统应该主要解决的问题。
基于网络结构的算法为个性化推荐系统的推荐算法研究指明了新的方向。但是，该算法在处理新用户，新产品等问题上还存在不足。因为在新用户或新产品第一次进入系统时（用户没有选择过任何产品，产品也没有被任何用户选择过），这个时候系统里的用户和产品没有任何信息，所以系统无法与其他用户或产品建立关联关系网络。关联网的建立时间会影响到长期兴趣点和短期兴趣点的区分及推荐的准确性。
4 混合推荐算法
协同过滤，基于内容和基于协同的推荐系统，它们都有各自的优点和缺点。现在有很多学者都在研究基于多种方法的混合推荐系统，并提出了混合推荐算法.经过实际数据的研究显示，混合推荐系统中的推荐算法有更好的准确率。因为它把两种不同的推荐系统结合起来，尽可能的实现他们两者的优点，不断地提高推荐系统的性能为目标的。现在，最常见的混合推荐系统是基于协同过滤和基于内容的，同时也发展出了其他类型的组合，下面简单进行介绍。
4.1 在协同过滤系统中加入基于内容的算法
一些混合推荐系统都是基于内容的协同过滤算法.即利用用户资料来实现传统的协同过滤计算.该算法用户的相似度与那些共同打分的产品信息无关，而是通过基于内容的用户资料计算得出。这种算法不仅可以解决协同过滤系统中的稀疏性问题，而且当产品和用户资料很相似时会被直接推荐，不再是只有当产品被用户资料相似的用户打了分才能被推荐..
该算法通过增加一个附加打分，可以向用户推荐附加分高的信息产品.这个附加打分是通过分析文本在协同过滤系统中用户的打分向量上增加的一个打分.此外，把基于文本分析与基于网络的推荐算法相结合，值得我们去研究.我们可以从标签和关键词之间建立的关系出发，再结合于基于网络的推荐算法来实现.
4.2 其他混合推荐系统
基于内容和协同过滤算法的统一概率方法，把用户喜欢的数据信息通过浅层语义分析，把信息分成相关的主题，然后预测出用户喜欢的主题.该方法能够有效的解决稀疏数据的问题.混合效用回归模型是根据用户已打过分的信息，用户和产品的相关资料建立用户模型，通过回归分析进行估计和预测出用户对某一个产品特性的要求程度，来给用户推荐满足用户要求的产品.有关混合推荐系统还有，利用基于知识的方法进行的推荐（通过用户的历史行为来挖掘用户下一个喜好的内容），基于神经网络的混合推荐系统.基于知识和协同过滤的混合推荐系统（能够向用户推荐有用的知识和相关的知识）.基于知识的自动问答系统（通过系统与用户的交流从中提取用户喜欢的内容）。
4 结束语
随着信息技术和Internet的发展，人们已经进入了信息过载的时代。大量的数据信息同时涌现在用户的面前，使得用户无从下手，很难获得他们想要的那部分信息，从而使信息利用率不断降低.相应的在现在网络中也出现了很多搜索工具，尽管他们都可以帮助用户来过滤并获取他们想要的信息.然而这些工具只能满足主流需求，没有考虑到个性化的需求.所以，仍然不能很好地解决信息过载的问题。那些“暗信息”很难被用户挖掘，如果没有外界的帮助，普通用户根本无法找到它们。采用合适的推荐算法，可以帮助用户找到用户根本就不可能找到的信息。推荐系统的作用就是帮助用户和信息之间建立相应的联系。一方面帮助用户发现对自己有价值的感兴趣的信息，另一方面让信息能够展现在对它感兴趣的用户面前，从而实现信息消费者和信息生产者的双赢.
文中根据4种不同的推荐系统简单地介绍了几种不同的推荐算法。虽然这些推荐系统都有一定的应用领域，并且取得了巨大的经济利益。但是这些系统不管从理论角度还是从应用角度来看都面临着许多问题，还需要进一步的深入研究。
参考文献：
[1] 项亮.推荐系统实践[M].北京：人民邮电出版社，2012
第9篇：推荐一个好地方作文范文
01
中国人民大学校长陈雨露
推荐书目：《乡土中国》
作者：费孝通
推荐理由：这部书是中国乡土社会传统文化和社会结构理论研究的代表作。它对中国社会的分析鞭辟入里，发人深省，为了解中国社会文化的基本特性提供了重要参考。
02
北京师范大学校长 董奇
推荐书目：《平凡的世界》
作者：路遥
推荐理由：曾经，在那个物质匮乏的年代里，《平凡的世界》是无数人的精神食粮，他们借助着孙少平坚持不懈的奋斗精神，在属于自己的世界中奋斗、拼搏，追逐着自己的人生理想。如今，在这个富足幸福的时代，依然有很多人喜爱它。不屈不挠的奋斗精神，是年轻人所需要的，不论在过去、现在，还是将来。
03
中国政法大学校长黄进
推荐书目：《大数据时代》
作者：【英】维克托・迈尔・舍恩伯格、【英】肯尼思・库克耶
推荐理由：大数据让我们更加深入走进信息社会，它不仅改变了我们的生活方式，还在改变着我们的思维方式，而且深刻影响着我们社会的转型和制度的创新。
04
湖南大学校长 赵跃宇
推荐书目：《自由在高处》
作者：熊培云
推荐理由：序言中，熊培云说：“无论环境多么恶劣，你总还可以做最好的自己，因为你即你选择。这些年，我一直坚持的一个信念是，改变不了大环境，就改变小环境，做自己力所能及的事情。你不能决定太阳几点升起，但可以决定自己几点起床。”
是的，我们无法改变大环境，那就从改变我自己开始。
05
复旦大学校长 杨玉良
推荐书目：
《被淹没和被拯救的》
作者：【意】普里莫・莱维
推荐理由：阅读这本书，希望大家注意两个问题：第一，是关于知识分子的道义；第二，是人类施以暴行的能力。知识分子最大的义务。应该是思考人之为人的意义和底线，引导社会建立善、抵御恶。物质生活的丰富，不能取代精神与心灵的丰满和富足。愿大家多读书，读好书，多看、多想、多写。
06
南开大学校长龚克
推荐书目：《革命烈士诗抄》
主编：萧三
推荐理由：对我来说，这是一本励志“补钙”的书，每每读起来，都心潮澎湃、热血沸腾。记得在1962年版的前言中，有这样一句话：“你要学作诗吗？请读这样的诗吧！你要学做人吗？学做这样的人吧！”
这些诗，是为民族独立、人民解放英勇献身的烈士们的“生命绝唱”，充满着对人民的挚爱、对事业的热忱和对理想的忠贞。
07
宁夏大学校长何建国
推荐书目：《时间简史》
作者：【英】史蒂芬・霍金
推荐理由：《时间简史》是史蒂芬・霍金撰写的一本有关探索时间本质和宇宙最前沿的经典著作，也是一部写给普通人看的物理学著作。打开这本书、走进这本书，呈现在你面前的是浩瀚的宇宙、神秘的地球、黑洞、空间和时间……这本书不仅能激发人们的好奇心，也能培养人们的科学思维、启迪人们的智慧，更能教会我们如何正确地看待世界。
推荐书目：《没有任何借口》
作者：【美】杰伊・瑞芬博瑞
推荐理由：成功者找方法，
失败者找借口。“没有任何借口”是西点军校一贯奉行的行为准则，强化的是让每一个学员想方设法去完成任何一项任务。
正处于大改革、大开放、大发展时代的我们，不找借口、主动进取、责任担当、自觉自愿、善于合作、勇于执行，对做好任何一件事显得尤为重要。
08
华中科技大学校长丁烈云
推荐书目：《叩响命运的门》
作者：马小平
推荐理由：教育既是成才教育也是成人教育。且尤以后者为重。该书选取古今中外最为著名的人文素养经典文章102篇。全书充满思想的力量和智慧的光芒，使读者可以“不见智者之面，而识智者之心”。在文章选取过程中，作者以一位教育者的视角，传递了对教育的反思、追问，是“人一生不可不知的常识”。
推荐书目：《论中国》
作者：【美】亨利・基辛格
推荐理由：该书主要讲述了40年来基辛格与中国几代领导人之间的相互交往，阐释中国人对战争与国际秩序等问题的思考。分析和梳理了中国自鸦片战争以来的外交传统，对中美建交、、改革开放和邓小平访美等历史节点进行深度解读。作者以一位资深外交家的独特视角描摹了中国的世界形象。是一部读懂中国的经典著作。
09
南京大学校长陈骏
推荐书目：《沉思录》
作者：
【古罗马】马可・奥勒留
推荐理由：马可・奥勒留，著名的“帝王哲学家”，古罗马帝国皇帝。在征战的间隙他写下与自己心灵的对话，著就了声誉卓著的伟大名著《沉思录》。
《沉思录》中那些从灵魂深处流淌出来的文字，朴实却直抵人心。这是一部让人掩卷沉思、受益无穷的智慧之作，是以推荐。
推荐书目：《孔子评传》
作者：匡亚明
推荐理由：《孔子评传》是已故著名教育家、原南京大学校长匡亚明先生撰写的力作。
作者以历史唯物主义的视角、“知人论世”客观科学的研究态度。对孔子思想的形成、发展及影响做了全方位、多维度的梳理、总结。重点阐述孔子以“仁”为核心的综合思想体系，并探讨了孔子儒学对中国思想史的重大影响。是以推荐。
10
上海交通大学校长张杰
推荐书目：《苦难辉煌》
作者：金一南
推荐理由：这本书视角广阔，立意高远，第一次在国际大背景下对中国共产党的早期历史进行了解读，第一次用全局的战略眼光审视了那段历史，娓娓道来，不乏生动的场景描写。这本书不仅讲述了历史，对现在的我们也有很大的激励作用，相信读者能够从先辈们那段奋斗的岁月中汲取丰富营养。
11
武汉大学校长李晓红
推荐书目：《中国哲学简史》
作者：冯友兰
推荐理由：《中国哲学简史》是冯友兰先生用英文向西方读者介绍中国哲学的力作，长期作为世界各大学的通用教材。该书探讨了诸子百家的起源，明辨了宗教和哲学的区别，阐释了中国哲学的精神和问题，视界高远、参古纳今。化繁为简、脉络分明，尽显大家风范。该书对当下中国大学生提升人文素养和哲理思维，不无裨益。
推荐书目：
《如何阅读一本书》
作者：【美】莫提默・J・艾 德勒/查尔斯・范多伦
推荐理由：这是分享阅读方法和技巧的名著。作者把阅读分为基础阅读、检视阅读、分析阅读和主题阅读等四个层次，将诸多类型图书的阅读方法娓娓道来，引导读者入书山揽胜而不至迷失于途中。以期提高读者的阅读质量和能力。我相信在作者循循善诱之下，读书将成为一种丰富心灵的习惯和艺术。
12
四川大学校长谢和平
推荐书目：《相约星期二》
作者：【美】米奇・阿尔博姆
推荐理由：现在的社会文化习惯于引导青年人关注考试、就业、买房等满足物质层面需求的东西，却不鼓励他们后退一步，站在更大的格局上去思考，除了物质，还有什么能抚慰焦躁不安的心灵。
《相约星期二》是一部从长者的角度出发。引导人们反思人生态度的佳作。在浮躁的社会中，希望大家都能在《相约星期二》中找到自己所需的感悟。
推荐书目：《改变自己，改变世界》
作者：【加】克雷格・柯伯格【加】马克・柯伯格
推荐理由：在未来，我们将不仅仅作为互不相干的个体而存在，每一个人都应该意识到自己是世界的有机组成部分。需要在对自己负责的同时，承担建设和改造我们生活的地球的重任。本书引导人们对幸福、同情心等伟大的人类情感进行重新审视，为青少年及教育者提供了从“我”逐步走向“我们”的行动指南和建议。
年轻人，因其强大的学习能力和无穷的发展潜能，更是掌握了改变世界的钥匙。从阅读这本书开始，祝福每个人都能从踏出改变的一小步出发，最终迎来人生道路上飞跃性的一大步。
浙江大学校长林建华
推荐书目：《五千年犹太文明史》
作者：【英】马丁・吉尔伯特
推荐理由：几千年来，犹太民族一直被主流社会排斥、压迫，被迫迁徙，二战期间。更遭到令人发指的迫害。但就是这样一个民族，为人类文明进步，做出了难以企及的贡献。是什么使他们在艰难的生存条件下，保持认同、创造辉煌？本书用141个历史故事，以书信方式，深入浅出地给出了犹太人五千年历史脉络。中华民族正处于一个波澜壮阔的时代，更要借他山之石，方能不骄不躁、不卑不屈，实现中华民族伟大复兴的中国梦。
推荐书目：《大数据时代》
作者：【英】维克托・迈尔・舍恩伯格，【英】肯尼思・库克耶
推荐理由：作者列举了很多实际例子，形象地展示了海量数据的巨大价值和潜力。并对海量数据分析的基本思维方式和原则做了精辟阐述。这些原则和理念颠覆了我们在实验科学中遵循的概率统计思维方式。也将会改变一些产业的基本原则，以及人们对社会科学等复杂学科的基本认识。
海量数据科学和相关产业才刚刚起步，但所蕴藏的巨大潜力令人刮目，我希望更多的青年人能够进入到这个新的领域。能够在海量数据中邀游搏击。
14
香港科技大学校长陈繁昌
推荐书目：《神雕侠侣》
作者：金庸
推荐理由：金庸先生的小说文笔独特，塑造的人物性格鲜明、深刻细腻，感情澎湃壮丽，意境甚高。他善于以历史洪流为背景，再创造故事情节。成为一种结合写实及创意的文风。
