引荐信范文1
关键词：电子农务；移动应用；推荐系统
中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2017）14-0223-02
随着网络技术和移动技术的发展，农业信息化的不断深人和智能手机的普及，智能手机应用已经成为农民获取或农业信息的新手段。网络信息获取便利同时，大量三农信息充斥在各类电子农务平台，农民用户的信息技术能力有限，使得用户难以在电子农务平台的大数据环境中及时找到适合自己需求或可能感兴趣的信息。传统的搜索引擎基于关键词的信息检索服务给用户带来的极大便利的同时，往往置顶的信息出现大量广告或者是用户不需要的信息，用户真正需要的信息则淹没在搜索返回的信息海洋中。这种“信息过载”或“信息迷失”现象降低了农民获取信息效率。搜索和推荐是目前移动用户最主要的资源获取方式，前者是用户主动提出需求，后者是发现用户隐形需求。移动应用推荐系统已成为移动智能设备解决信息超载问题最重要的过滤工具，可以根据用户兴趣特点和行为模式，智能和主动地帮助用户在海量的数据中快速找到可用信息。系统设计主要目标是实时洞察用户需求，降低获取资源成本，提高获取资源效率。
现有推荐系统采用的推荐方法主要有三种：协同过滤推荐算法、内容过滤推荐算法和混合过滤推荐方法。当前最成熟的是协同过滤推荐算法，然而移动设备在显示、计算、存储、输入等能力比较受限，移动推荐面临巨大挑战。本文针对智能终端设备，把推荐系统搭建在云平台上，通过混合多种推荐算法快速推荐信息给用户，解决传统推荐算法在大数据环境下的移动平台中遇到的实时性、扩展性的问题。
1移动应用推荐系统模型设计
为了实现对电子农务的移动实时推荐，考虑到信息过载问题以及移动设备的数据处理能力，本文采用基于Hadoopt31开源分布式计算平台搭建推荐引擎。Hadoop平台具有应对数据量快速增长的能力和支持推荐算法扩充，平台架构模型如图1所示。为了能及时响应用舻男枨螅采用在线计算推荐模式，数据存储介质采用关系型数据库系统。为了较全面的抓取网络资源，采用Hadoop系统爬行网络，离线计算推荐模式，数据存储介质采用HDFS文件系统。
在线计算推荐和离线计算推荐组合主要是为了快速响应和提供更全面的信息，推荐框架如图2所示。在线推荐模块主要负责及时与用户交互，通过收集用户的反馈信息或主动识别用户需求进行在线推荐计算，结合关系型数据库的推荐数据进行混合推荐，将最终TOP-N结果呈现给用户。系统实时跟踪用户的使用应用的过程中产生的操作日志记录，分析并提取用户行为信息存人关系型数据库中，为用户下次使用应用提供更准确的数据。离线推荐模块负责网络爬行、TEL数据清洗流程、Mahout挖掘原始数据、Map/reduce分布式计算等操作，最终训练学习后的数据转换为关系数据库能识别的原始推荐数据。
2基于权重混合推荐策略设计
使用电子农务的用户相对较不固定，用户的使用意图较难跟踪统计。这些不稳定因素会造成单一的推荐算法难以满足各类用户需求。为了提高推荐的准确性，组合多种推荐算法的方式对用户进行推荐。最后，推荐引擎可以使用相似性信息根据请求参数进行推荐提高推荐准确性，进而提高用户满意度。
混合推荐系统是把多个推荐引擎形成的推荐结果进行整合的推荐系统。然而多推荐引擎的使用缺乏对个性用户的自适应设计要求。为解决这一问题通常在并行的推荐引擎中采用加权重再求和得到混合推荐结果，即多个推荐引擎推荐结果进行加权混合。较为常见的权重混合是线性加权混合，如图3所示。基于权重混合推荐关键在于权重的确定，权重的确定往往需要在特定的测试数据集上反复实验，才能达到较好的推荐效果。然而，在实际应用中，要推荐的数据量远大于用户数量，反复实验工作量太大，效果不理想。本文提出的混合模型混合多个单一推荐引擎，将每个推荐引擎视为独立黑盒，暂不关心其具体内部运行机制，推荐引擎各自独立运行得出推荐数据，再通过学习模块对各预测结果进行权重计算并混合重排推荐数据，过滤后形成最终的推荐结果。
各独立的推荐引擎运行后得出各自的推荐数据，通过式（1）所示加权公式加权混合：
引荐信范文2
关键词：衰减函数；时间综合影响；赌选择模型；PersonalRank算法；个性化推荐
0 引言
个性化推荐系统日渐成为用户资源需求的导航系统，用户需求极大地推动高质量推荐的发展。目前，提高推荐质量的相关工作主要有：1）对传统协同过滤算法，融合用户聚类[1-2]、填充[3]等方法；2）考虑多重信息（用户社交信息、项目内容信息、评分信息）的影响，对各因素优化加权[4-5]；3）引入概率理论[6]、矩阵分解[2]等理论技术建模优化推荐算法。这些方法在很大程度上提高了推荐的质量，但研究者往往忽略了时间综合信息对推荐的影响。
针对当前的研究不足，本文提出一种融合时间综合影响的赌游走个性化推荐算法，引入衰减函数量化时间综合影响，利用赌模型选择游走目标，从多角度研究时间对推荐质量的影响，取得了较好的推荐效果。
1 相关工作
目前，许多研究者在基于图模型推荐算法的研究上取得了不少的成果。Shang等[4]提出一种融合社交信息的随机游走图模型推荐，将用户社交信息、物品内容信息（标签）以及用户评分信息综合考虑，提高了推荐的准确率，在一定程度上缓解了冷启动问题。陈泽等[5]提出加权两层图的混合推荐算法，以物品内容信息和用户-物品的评分为权重，结合随机游走的方法为用户提供个性化的推荐。俞琰等[7]提出一种显性评分重启动随机游走算法，在用户项目二分图中，以用户对项目的评分为权重，监督重启动游走朝用户感兴趣的方向，提高了推荐的准确率。上述进展提高了推荐的性能，但均忽略了时间信息对推荐质量的影响。
融合时间信息的推荐也有一些研究工作，如王岚等[8]提出一种基于时间加权的协同过滤算法，考虑时间对用户兴趣的影响；邢春晓等[9]提出一种考虑资源和用户兴趣的协同过滤算法，指出时间信息反映了用户兴趣的动态变化，在考虑了时间信息对用户兴趣的影响的情况下，该算法在推荐的精确度上相比原来的算法有了很大的提高。然而上述算法只是在协同过滤中从用户兴趣单角度考虑时间信息的影响，而在实际推荐过程中，时间信息对用户的影响是综合的。
针对当前基于图的推荐算法对时间因素影响研究不全的现状，本文在随机游走过程中考虑时间因素对用户兴趣的影响，设计了一种时间单角度影响赌游走方法，验证从考虑时间对用户兴趣影响这一角度分析时间因素对提高推荐质量的积极作用。
在此基础上，进一步提出一种多角度考虑时间信息对推荐影响的融合时间综合影响的赌游走个性化推荐算法。该算法不仅考虑时间对用户兴趣的影响，还挖掘时间隐性反映用户关联信息，充分研究了时间因素对提高推荐质量的综合影响；实验结果表明，该算法比传统的基于图的随机游走PersonalRank算法在推荐指标上有明显的提高。
3.1 衰减函数量化时间影响
PRRW算法的关注点是用户项目二分图上的关联关系，本文在该算法的基础上研究时间信息对推荐的影响，分别从以下角度分析时间影响。
1）用户兴趣与时间关联的角度。用户的兴趣是一个随时间变化的量[9-10]，一个人儿时的兴趣和成年的兴趣有很大的区别，即个性化推荐的推荐对象是一个随时间变化的对象；并且用户1年前的兴趣和用户最近的兴趣相比，用户最近的兴趣更能反映用户当前的需求。所以在推荐过程中，时间在用户兴趣角度对推荐的影响不容忽视。2）时间反映“用户用户”隐性关联的角度。用户对同一物品的行为发生的时间越接近，它们之间的相关性越大。通过分析时间对推荐的影响特性，本文引入数学中的衰减函数来度量时间对推荐的影响，衰减函数原型[12]如式（2）：
5 结语
本文在分析当前众多基于图推荐算法的优缺点的基础上，提出了一种融合时间综合影响的赌游走个性化推荐算法。在PRRW算法的基础上做了以下两项工作：1）在基于图游走的过程中考虑时间对用户兴趣的影响，引入衰减函数模型量化时间对用户兴趣的影响，采用赌模型选择游走节点，提高了推荐质量；2）挖掘时间反映“用户用户”之间的隐性关联，考虑时间综合影响，提出融合时间综合影响的赌游走个性化推荐算法。实验表明该算法在准确率、召回率和覆盖率三个指标上都比PRRW算法有明显的改善，充分验证了时间综合因素对提高推荐性能的积极影响。但本文方法还有待从以下两个方面进一步研究：1）该算法运算的时间复杂度较高，下一步将设法降低时间复杂度，以便应用于大数据环境；2）本文只采用文中的衰减函数模型进行验证，后续将进一步探究不同的衰减函数模型对推荐效果的影响。
参考文献：
[1]CHEN K， HAN P， WU J. User clustering based social network recommendation [J]. Chinese Journal of Computers， 2013， 36（2）： 349-359. （陈克寒，韩盼盼，吴健.基于用户聚类的异构社交网络推荐算法[J].计算机学报，2013，36（2）：349-359.）
[2]WU H， WANG Y， WANG Z， et al. Twophase collaborative filtering algorithm based on coclustering [J]. Journal of Software， 2010， 21（5）： 1042-1054. （吴湖，王永吉，王哲，等.两阶段联合聚类协同过滤算法[J].软件学报，2010，21（5）：1042-1054.）
[3]SUN J， AI L. Collaborative filtering recommendation algorithm based on item attribute and cloud model filling [J]. Journal of Computer Applications， 2012，32（3）： 658-660.（孙金刚，艾丽蓉.基于项目属性和云填充的协同过滤推荐算法[J].计算机应用，2012，32（3）： 658-660.）
[4]SHANG S， KULKANMI S， CUFF P， et al. A random walk based model incorporating social information for recommendations[C]// MLSP2012： Proceedings of the 2012 IEEE International Workshop on Machine Learning for Signal Processing. Piscataway： IEEE， 2012： 1-6.
[5]CHEN Z， WANG G， HU F. Hybrid recommendation filtering method based on weighed twolayer graph [J]. Computer Science， 2012， 39（12）： 177-180.（陈泽，王国胤，胡峰.基于加权两层图的混合推荐方法[J].计算机科学，2012，39（12）： 177-180.）
引荐信范文3
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].
引荐信范文4
关键词 推荐系统 推荐算法 互联网
中图分类号：TP391.3 文献标识码：A
1推荐系统概念
互联网规模和覆盖面的迅速增长带来了信息超载问题。过量信息的呈现使得用户付出过高的代价来搜索对自己有用的信息，从而降低了信息使用的效率。推荐系统作为一种信息过滤的重要手段，是当前解决信息超载问题非常有潜力的方法。推荐系统与以搜索引擎为代表的信息检索系统最大的区别在于：（1）搜索注重结果之间的关系和排序，推荐则还研究用户模型和用户的喜好，基于社会网络进行个性化的计算；（2）搜索的进行由用户主导，包括输入查询词和选择结果，结果不好用户会修改查询再次搜索，而推荐系统是由系统主导用户的浏览顺序，引导用户发现需要的结果。
推荐系统的定义较多，目前被广泛引用的推荐系统的非形式化概念是Resnick和Varian给出的：“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”。
推荐系统有3个重要的模块：用户建模模块、推荐对象建模模块、推荐算法模块。推荐系统把用户模型中兴趣需求信息和推荐对象模型中的特征信息匹配，同时使用相应的推荐算法进行计算筛选，找到用户可能感兴趣的推荐对象，然后推荐给用户。
2效用矩阵
在推荐系统应用当中，存在两类元素，一类称为用户，另一类称为项。用户会偏爱某些项，这些偏好信息必须要从数据中梳理出来。数据本身会表示成一个效用矩阵，该矩阵中每个用户-项所对应的元素值代表的是当前用户对当前项的喜好程度。这些喜好程度值来自一个有序集合，比如1～5的整数集合，这些整数代表用户对项的评级。假设该矩阵是稀疏的，即大部分元素都未知。一个未知的评级也暗示着人们对当前用户对当前项的喜好信息还不清楚。推荐系统的目标是预测效用矩阵的空白元素。
3基于内容的推荐
基于内容的推荐方法根据用户已经选择的对象，从推荐对象中选择其他特征相似的对象作为推荐结果。这一推荐策略首先提取推荐对象的内容特征，和用户模型中的用户兴趣偏好匹配，匹配度较高的推荐对象就可以作为推荐结果推荐给用户。
3.1文档集的处理
对于文档对象内容特征（content（s））的选取常用的做法是使用TF-IDF值。另一方面，用户的兴趣偏好模型userprofile（c）取决于所用机器学习方法，常用的有决策树、贝叶斯分类算法、基于向量的表示方法等。结合对象内容特征和用户兴趣偏好模型，计算二者之间的相似性是该推荐策略中的一个关键部分，如下所示就是计算该相似性的一个函数：
其中score的计算方法有很多种，例如使用最简单的向量夹角余弦的距离计算方法，按所得值的大小排序，将最靠前的若干个对象作为结果呈现给用户。
3.2基于Tag的特征获取
基于内容的推荐策略的关键就是用户模型描述和推荐对象内容特征描述。目前对文本内容进行特征提取方法比较成熟，如浏览页面的推荐、新闻推荐等。但当前网上的多媒体信息大量涌现，而对这些多媒体数据进行特征提取还有待技术支持。以图像数据为例，图像的问题在于它们的数据通常由像素数组构成，而这些数据无法给出任何有关它们特征的信息。人们可以计算像素的简单属性，比如整幅图像中红色的平均数据，但很少会有用户去查找红色图像或对红色图像有特别的爱好。
通过邀请用户采用词语或短语对图像进行标记，则可以从这些标记中获得有关图像特征的信息。因此，某个红色为主的图像可能被标记为“Tiananmen Square”，而另一个图像被标记为“sunset at Malibu”。这两者之间的区别很难通过已有的图像分析程序来发现。
几乎任意数据都可以基于其标签来发现特征。一个最早的试图标记大量数据的网站是del.icio.us，它邀请用户来标记Web网页，该网站后来被雅虎收购。这种标记的目的是支持一种新的可用的搜索方式，即当用户输入标签集合作为搜索查询时，系统会返回采用这些标签来标记的Web网页，在推荐系统中也可以使用这些标签。如果系统发现用户检索或收藏包含某个标签集合的很多网页，系统就可以将其他包含同样标签的网页推荐给他。
参考文献
[1] 许海玲，吴潇，李晓东，阎保平，互联网推荐系统比较研究[J].软件学报，2009：350-362.
引荐信范文5
智能Web时代的到来意味着大数据分析在各个行业的运用成为必然趋势，推荐系统作为典型的智能Web应用，通过对用户行为数据的积累和分析，将传统用户的搜索行为转化为推送行为，从而实现原始电商到智能电商的转变。本文以智能Web时代为引，就旅游电商推荐系统的基本实现方法和思路展开了讨论和分析。
【关键词】智能Web 个性化旅游电商
1 智能Web时代的到来
当我们去订餐的时候，饭店订餐系统引用了我们公开的健康调查数据，从而为我们搭配适宜的绿色饮食；当我们与陌生人在线聊天时，对话内容得到通讯软件后台的事实核查，保证交流内容的真实和安全（如facebook）；当我们在线购书时，电商平台能够根据用户购物行为的相似度判断来给出最合理的推荐（如亚马逊）。这一系列的发生与正在发生的案例为我们诠释了一个时代的到来，智能Web时代。
所谓智能，是指能够不断通过大数据分析抽象出普遍规则，进而替代穷举的一种高效机器学习方式。拓展开讲，一款智能Web应用要首先具备大数据能力，或者叫内容聚合，这是机器学习的基础条件；然后需要具备参考结构，参考结构为原始大数据提供了科学的解释和展示形式，它为原始数据的分析和展现提供了重要的助力；最后还要具备合理的算法，算法为从数据转变为信息提供了可行的方法，并将信息抽象为引导用户交互的规则，这三大要素构成了智能Web应用的充要条件。
2 旅游电商推荐系统研究与设计
作为一类典型的智能Web应用，推荐系统因为谷歌的广告和亚马逊的商品推荐等形式为人们所熟知，它的出现为当下信息过载的大环境带来了良好的解决方案。通过对用户行为数据的积累和分析，将传统用户的搜索行为转化为推送行为，从而实现原始电商到智能电商的转变。
旅游电商对推荐系统的认识度和重视度目前还处于比较初级的状态，远不如消费品电商平台，这也反映出了旅游电商企业对大数据的分析处理意识与主流消费品电商的差距。我们认为，实现高效用的旅游电商推荐系统，需要在精准度和展现形式两方面进行深入研究，第一是要对旅游产品进行精确建模，只有精确建模才能在推荐计算中获得准确的结果。第二是推荐引擎的科学选择，常见的推荐系统引擎分为两类，协同过滤推荐和基于内容分析的推荐。协同过滤推荐是基于用户的行为数据积累做出推荐，例如基于相似用户的推荐和基于相似条目的推荐。基于内容分析的推荐则需要考量用户之间、条目之间和用户与条目内容之间的相似度。其中，相似度算法是不同推荐引擎的核心，我们通过如下常用代码片段来说明相似度的计算方法。
由代码1可知，事实上相似度计算的方法是多样化的，需要根据实际的问题进行相似度算法的选择，目前大量的实验表明，基于欧氏距离的相似度算法效果相对较好。
在大数据的精确分析基础上，再将推荐结果以服务而非广告的展示形式推送到旅游电商的各个营销环节，必将会极大的推动产品购买的转化率。
3 旅游电商推荐系统展望
在智能Web时代，随着人们对信息和服务的智能化要求，推荐系统必定会在旅游电商营销环节占据愈加重要的地位，同时，单一的旅游产品推荐将会无法满足用户的需求，旅游推荐系统的衍生形态将会慢慢发展起来，推荐系统的内容和展示方式也都将会呈现出多元化和个性化的趋势。作为旅游电商的从业者，必须清楚的认识到推荐系统、大数据分析、智能Web等要素对旅游电商发展的推动作用，并随势而动，才能在互联网+的时代获得市场和用户的青睐。
参考文献
[1]吴婷，熊前兴，贺曦春.基于用户特征和用户兴趣变化的协同过滤推荐[J].电脑知识与技术，2008，4（7）.
[2]王国霞，刘贺平.个性化推荐系统综述[J].计算机工程与应用，2012，48（7）.
[3]张娜.电子商务环境下的个性化信息推荐服务及应用研究[D].合肥工业大学，2007.
[4]许海玲.互联网推荐系统比较研究[J].软件学报，2009，20（2）.
[5]王巧荣，赵海燕，曹健.个性化服务中的用户建模技术[J].小型微型计算机系统，2011，32（1）.
作者简介
严杰（1981-），男，浙江省衢州市人。硕士学位。现为浙江旅游职业学院讲师。研究方向为Web开发和电子商务。
引荐信范文6
论文摘要：证监会引入保荐制度的根本目的是为了进一步加快证券市场市场化的步伐，让发行市场上由市场机制引导资源配置，提高新上市公司的整体质量，带动投行业务向专业化、集约化发展。文章的出发点主要在于对保荐制度进行相关的制度经济学分析，以期对保荐制度进行深层透视。
2003年l2月28日中国证监会了《证券发行上市保荐制度暂行办法》，于2004年2月1日起正式施行。酝酿已久的证券发行上市保荐制度终于出台，保荐机构和保荐代表人的责任从此有了明确规定，对保荐机构和保荐代表人施行责任追究的监管机制也从此建立。实施证券发行上市保荐制度是中国证监会深化发行制度改革的又一重大举措，是对证券发行上市建立市场约束机制的重要制度探索。
一、保荐制度的背景及主要内容
所谓保荐人(sponsor)制度，是指一种企业上市制度。目前实行上市保荐制度的证券市场主要有英国的伦敦证券交易所所属的二板市场(alternativelnvesunentmarket，简称为aim)，和香港交易所的创业板市场(growthenterprisemarket,简称为gem)，以及加拿大多伦多证券交易所(torontostockexchange，tsx)所属的证券市场。保荐人作用类似于我国境内现有的上市推荐人，但与上市推荐人又有所不同。从职责来讲，保荐人应承担的职责远重于上市推荐人。保荐人要对企业进行上市前的实质性审查和上市后的持续辅导，使之符合目标市场上市规则的要求，保荐人在这过程中承担着完全的保荐责任。
保荐人最早出现在香港关于内地h股在香港主板上市的规定中，1993年6月，香港证券交易所对主板市场上市规则进行修改，开始允许中国大陆的企业发行h股并在香港主板市场上市。由于发行h股的大陆企业的主要商业和管理业务都在中国大陆进行，其行为不受香港地区的法律管辖，而h股发行人董事对于香港证券法规和上市规则，大多还不够熟悉，为了接纳更多的h股公司上市，并保证h股上市公司的质量，香港证券交易所对h股实行上市保荐制度。
我国此次出台的《办法》设立了对保荐机构和保荐代表人的注册登记制度，明确了保荐责任和保荐期限，建立了监管部门对保荐机构和保荐代表人施行责任追究的监管机制。保荐制度主要包括以下内容：
一是建立了保荐机构和保荐代表人的注册登记管理制度。《办法》对企业发行上市提出了“双保”要求，即企业发行上市不但要有保荐机构进行保荐，还需具有保荐代表人资格的从业人员具体负责保荐工作。这样既明确了机构的责任，也将责任具体落实到了个人。《办法》对可从事保荐工作的证券公司和个人提出了比目前的主承销商和一般证券从业人员更高的条件，中国证监会对符合条件的证券公司及其从业人员注册登记为保荐机构和保荐代表人，并向社会公布名单。
二是明确了保荐期限。《办法》规定，企业首次公开发行股票和上市公司再次公开发行证券均需保荐机构和保荐代表人保荐。保荐期间分为两个阶段，即尽职推荐阶段和持续督导阶段。从中国证监会正式受理公司申请文件到完成发行上市为尽职推荐阶段。证券发行上市后，首次公开发行股票的，持续督导期间为上市当年剩余时间及其后两个完整会计年度；上市公司再次公开发行证券的，持续督导期间为上市当年剩余时间及其后一个完整会计年度。
三是确立了保荐责任。《办法》规定，保荐机构和保荐代表人在向中国证监会推荐企业发行上市前，要对发行人进行辅导和尽职调查；要保证或有充分理由确信向中国证监会提交的相关文件不存在虚假记载、误导性陈述或重大遗漏；要在推荐文件中对发行人的信息披露质量、发行人的独立性和持续经营能力等作出必要的承诺。保荐机构在持续督导阶段，要对上市公司履行规范运作、信守承诺、信息披露等义务的情况进行持续跟踪，及时揭示风险，督促纠正错误，并给予规范性指导。
四是引进了持续信用监管和“冷淡对待”的监管措施。《办法》规定，除对保荐机构和保荐代表人的违法违规行为进行行政处罚和依法追究法律责任外，还将对违反《办法》相关规定的保荐机构和保荐代表人采取“冷淡对待”的具体监管措施，即根据情节轻重，在一定时间内不受理或不再受理其提出的推荐发行上市申请，严重的还要取消其从事保荐业务的资格。《办法》还规定对有关机构和个人的不良信用表现记录在案并予以公布。
二、证券发行上市保荐制度的制度经济学分析
(一)证券发行上市保荐制度的必要性分析
在制度经济学看来，无论对于一级市场融投资双方的证券交易来说，还是对于二级市场投资者之间的证券交易来说，证券交易本身所固有的最基本问题是信息不对称。现代社会化大生产客观上需要所有权和经营权的分离，但是．所有权和经营权的分离又形成了所有者和经营者之间的信息不对称。由于所有权和经营权的分离，上市公司的内部人(包括控制性股东、董事和管理层等)掌握着公司的实际经营权，所以也就掌握着有关公司经营状况的信息。上市公司的外部投资者不参与公司的日常经营管理，所以外部投资者必须依靠上市公司内部人持续提供有关上市公司经营状况的真实、准确和完整的信息，才能对上市公司形成价值判断。如果没有外部调整措施，上市公司内部人和外部投资者之间的这种严重的信息不对称，很容易导致在发行环节出现逆向选择现象，劣质公司可以通过虚假包装，以次充好地进人证券市场。在公司上市后，这种信息不对称还很容易导致公司内部人利用内幕信息来进行内幕交易，或者虚假信息来欺诈投资者。逆向选择、内幕交易，以及欺诈行为的泛滥，将最终导致证券市场以“劣币驱逐良币”的方式走向崩溃。
要实现外部投资者和上市公司内部人之间，以及二级市场投资者之间的公平交易，最关键的是要保证上市公司外部投资者和上市公司内部人之间的信息对称。所以，现代证券市场最基本的监管措施，就是强制性地要求发行公司在发行环节真实、准确和完整地对外部投资者披露信息；在股票上市后，上市公司必须履行其持续对外信息披露的义务，从而在最大限度内实现上市公司内部人和外部人之间的信息对称。
制度经济学把外部投资者与公司实际经营控制人之间的所有权和经营权分离关系，看成是一种委托——关系，即外部投资者把公司的经营管理权委托给公司的实际经营控制人。由于无论从现代公司的资产规模、雇员规模，还是从其面临的市场竞争来说，现代公司的经营管理都属于非常复杂的商业管理活动，即面临着很多不确定性和路径选择。因而，外部投资者和公司实际经营控制人之间的这种委托——关系，本质上是建立在不完备和不对称的信息基础之上的。在委托——双方信息不完备和不对称的条件下．拥有优势信息的人就存在着利用优势信息掠夺股东利益的机会。所以，证券立法和监管的一个重要目标，就是要最大限度地抑制公司实际控制人出现道德风险，利用优势信息掠夺股东利益。
证券市场中的中介机构，如证券承销商、独立审计机构、律师事务所等的基本职能有两方面：一是为发行公司和上市公司的信息披露提供专业性服务和监督；二是督导发行公司和上市公司的大股东、董事以及经理层履行其对股东的诚信义务，依法规范运作。证券中介机构这两方面基本职能的主要目标．是最大限度地消除上市公司实际控制人和外部投资者之间的信息不对称，增强两者之间的诚信度。
2001年3月，中国证监会建立并实施了证券发行上市核准制，中介机构的作用开始得以发挥。引人中介机构的出发点和最终目标是为了增强发行和上市公司内部人和外部人之间的信息对称和相互诚信，但中介机构的引入又形成了新的中介机构和上市公司外部投资者之间的诚信问题。其内在原因是，证券中介机构为发行和上市公司提供上述基本服务时必须站在全体股东利益的公正立场上，但证券中介机构的聘请权又往往掌握在发行和上市公司实际控制人手里。这样．证券中介机构出于商业利益的驱动，容易出现迁就于上市公司实际控制人利益的倾向。在现行制度框架内，中介机构的竞争机制还不够完善，把好资本市场准人关的作用没有得到充分发挥，上市公司质量的市场约束机制尚未完全建立一些证券公司对其推荐发行上市的企业尽职调查不够，不能充分发现问题，披露风险。甚至个别证券公司受利益驱动．与发行人一起弄虚作假，欺骗公众投资者和监管部门。一些证券公司的主要精力用在帮助企业“包装”上市上，对企业上市后能否规范运作和持续发展关心不够出现了一些上市公司发行上市当年就发生业绩大幅下滑、频繁改变募集资金用途等情况。现行制度下仅对证券公司的责任作出了原则性规定，没有很好地把责任落实到公司和个人。一些证券公司负责上市项目的从业人员工作中不能做到勤勉尽责，诚实守信。
解决上述问题，必须落实证券公司等中介机构及其从业人员的责任，使中介机构切实发挥对上市公司质量的约束功能。中国证监会推出的证券发行上市保荐制度正是适应这一要求的产物。
(二)证券发行上市保荐制度的价值分析
l、保荐制信息披露的公平性价值
投资者在信息披露方面有公平性的需要，因为投资者在信息披露方面处于弱势者地位，这种弱势地位的形成有以下几种原因：一是信息传播工具的局限性；二是信息披露者的局限性，三是信息对信息接受者和使用者的心理图式的依赖性，投资者的心理图式决定对上市公司所披露信息的接受、分析、判断和使用程度，由于事实上绝大多数投资者都是非专业人员，都不同程度地欠缺接收、分析、判断和使用上市公司所披露的这种专业性较强的信息的心理图式或者其心理图式在此不够完善。因此投资者即使获得了披露信息的物质载体，而对信息的意义内容的接收、分析、判断和运用也存在着问题。
保荐制度的设立在一定程度上有利于改善投资者这种弱势地位的不利状态，由于保荐人的推荐、辅导、监督以及调查、报告等职责的履行直接地有利于上市公司更加充分、准确、真实地披露信息。这在一定程度弥补了弱势者的不足，同时，对于因为上市公司的披露信息的虚假、误导、遗漏而给投资者造成经济损失的，不论保荐人主观上有无过错，都要承担担保赔偿责任。这在披露信息的利用方面，是在一定程度上对作为弱势者的投资者给予了利益倾斜，由于保荐制度在一定程度上有利于维护作为弱势者的投资者的利益，从而在一定程度上有利于满足投资者在信息披露方面对公平性的需要。
2、保荐制的投资安全性价值
投资者在投资活动中的基本需要是安全，所以对安全感的需要是投资者进行投资活动的一个前提性的需要，而保荐制通过保荐人其担保职责的履行能够满足投资者对安全感的需要。担保责任能够发挥两种作用：一是心理预见作用；一是实际赔偿作用。在正常状态下，担保职责是以心理预见的形式发挥作用；只有在异常状态下，即发生投资者的实际损害的情况下，担保职责才发挥实际赔偿作用。
保荐人在心理上预知自己在不积极履行推荐、辅导和监督等职责的情况下，将会使上市公司披露不真实、不完整、不准确、不及时的信息，从而给投资者造成经济损失，而保荐人自己将必然为此承担经济赔偿责任。这种预见心理对保荐人形成一种拘束和制约，给保荐人以压力，这种压力有利于促使保荐人积极履行推荐、辅导和监督等职责，避免消极后果的发生。简言之，在这种预期心理作用下，使保荐人认识到投资者因违法披露信息而遭受损失时也就意味着自己也要蒙受相应的损失，使保荐人意识到自己的利益与投资人的利益的相关性，从而能够让保荐人站在中小投资者的立场上，预防上市公司进行虚假包装和违法披露信息行为。而如果一旦发生了因披露信息的虚假性、误导性和遗漏性而造成的投资者的经济损失，保荐人就必须因担保责任的规定，而对因虚假消息而受到损失的投资者承担赔偿责任，从而切实保护处于信息劣势的中小投资者的利益，为投资者构筑起一道“万里长城”。因此保荐制具有满足投资者的安全需要的效用。
3、保荐制的效率性价值
(1)融资的效率性价值。融资效率是以营利为目的的上市公司的基本需要之一。而保荐人的担保责任之所以能够在融资方面满足上市公司的效率需要，就在于保荐人的担保职责使投资者获得了安全感。投资者获得了安全感之后就会在一级市场上积极地购买上市公司所发行的股票，同时，这种安全感也会使投资者在二级市场上进行积极的交易活动，推动股价升值，从而使更多资金流向上市公司，同样也提高了融资效率。
(2)管理的效率性价值。为了建立与市场经济体制相适应的行政管理体制，行政机关就产生了提高行政管理效率的需要。证监部门在进行监管活动时，同样希望在一定时间内，以有限的行政资源实现更多的行政管理目标。而保荐人作为一种特殊性的证券中介组织，具有辅导和监督上市公司的职责，所以能够比较有效地帮助上市公司遵守法律，法规和有关规则，进行规范的经营管理活动，并有效地防止上市公司违法违规行为的发生。而这在客观上有利于证券监管机关超脱于具体的行政事务，减少具体、直接的监管活动，并进而节省行政资源，降低行政管理成本。所以保荐制对行政管理机关具有效率性价值。
三、结论
通过以上的剖析，我们可以看出保荐制的核心在于保荐人的责任，证券监管机构作为保荐制度框架的构建者，为使保荐制度有效正常地运转，必须使保荐制度满足两个原则：
一是必须确保足够多的，具备一定资格的准保荐人愿意进入保荐人市场，才能保证市场的竞争性和活跃性，避免在市场运作一开始就出现寡占市场或者根本无人愿意进入保荐人市场的情况。
