志愿团体活跃度与团体推荐算法研究

这是一篇关于志愿服务,评价模型,团体推荐,可视化管理平台的论文, 主要内容为随着2008年奥运会的开展,中国志愿服务开始蓬勃发展,注册志愿者人数不断增多,到2018年已经达到9000多万之巨。越来越多的人参与志愿服务在这项公益活动,作为志愿服务的管理者应该更好地服务志愿者,因此,研究志愿服务,研究志愿团体活跃度、志愿团体的推荐,以及对志愿服务进行可视化对于志愿服务的发展十分有意义。当前的研究中,对于志愿团体活跃度评价简单基于时间与空间维度上的数据罗列或基于志愿服务相关专家的主观评价,存在较大的随意性与主观性,不能公平有效地对所有志愿团体进行活跃度评价,因而本文对志愿团体进行分析提出适合的活跃度评价方法。志愿团体数据缺乏评价指标作为模型标签,所以考虑规范化专家评价,采用层次分析法(AHP)进行量化专家评价,其次考虑不同指标间信息量的差异基于熵权法进行评价,最后对多组专家评价标准和熵权法进行综合考虑,基于群组决策特征根(GEM)提出最优评价权重。志愿团体推荐当前研究主要使用协同过滤算法,但协同过滤算法单纯考虑志愿者的历史行为记录。志愿团体地理位置分布也很大影响志愿者对于志愿团体的选择,所以本文研究加入对于地理位置的分析,基于经纬度信息对志愿团体进行聚类,根据不同地域分为不同类别。对协同过滤算法进行改进,对推荐结果结合地理位置分析,进而给出更加精准的推荐结果,可以有效提高准确率。最后当前的志愿服务研究都缺少可视化平台,对于志愿服务数据与分析缺少直观的展示方式。通过搭建志愿服务可视化管理平台,可以清晰直观地展示志愿服务结果,更好地提高志愿服务管理水平。本文的主要研究工作如下:一、建立了一个志愿团体的评价模型,作为一种客观有效的志愿者团体评价方法,为志愿者及志愿服务管理人员提供参考评价。该方法首先对志愿团体数据进行整理和筛选,得到相关的因素指标;其次,基于层次分析法(AHP)对指标因素建立目标层,准则层,指标层,构建比较矩阵,并进行一致性检验,最后得到目标权重;基于熵权法每个指标计算所有样本的熵值,根据所有指标熵值计算每个指标对应的熵权,从而得到整体的熵权评价;最后,根据多组的层次分析法权重和熵权法权重,基于群组决策特征根方法(GEM),得到综合后的最优权重,对志愿团体提出一个客观合理的评价方法。与评价标准进行对比,包含干扰项的GEM评价与评价标准之间的标准差为2.41,十分接近于不包含干扰项的GEM的1.99,远好于干扰项的6.05,基于AHP和GEM的活跃度评价方法可以有效地降低误差的影响,提高志愿团体评价的准确性。二、设计了基于历史记录和位置信息对志愿者进行志愿团体推荐的方案,可根据志愿团体的位置信息,志愿者参加过的志愿团体,匹配相似度较高且距离较近的志愿团体进行推荐。基于协同过滤算法,使用志愿者参与过的志愿团体的历史记录,构建所有志愿团体的相似度矩阵,通过计算比较志愿者参与过的志愿团体与所有志愿团体之间的相似度进行推荐,推荐相似度排名靠前的志愿团体。除了参与记录外,还应该考虑志愿团体所属的地理位置,本方案根据经纬度字段,基于层次聚类的思想,使用BIRCH(利用层次方法的平衡迭代规约和聚类)算法进行层次聚类。基于志愿者曾参与志愿团体所属的地理位置,构建所有志愿团体地理位置的分类,对协同过滤推荐结果基于地理位置分类结果进行过滤筛选,得到在该区域内的推荐结果。基于聚类匹配的推荐结果准确率明显上升,从19.9%提升到了 32.4%,由此可见,改进后的推荐算法去除了偏远地区的推荐结果,减少了大量的错误推荐,提高了准确率。三、搭建了志愿服务可视化管理平台。该平台实现了对于志愿服务数据、志愿团体评价结果进行可视化的展示,并对志愿者进行志愿团体推荐。平台的设计可以分为前端和后台两部分,其中后台部分负责整体的逻辑实现,数据交互、存储等相关部分,前端部分负责平台的展示页面的设计与优化。平台的后台搭建基于SMM(SpringMVC+Spring+MyBatis)框架,主要可以分为四层,分别是:controller层处理业务逻辑并与前端进行交互;service层处理数据库读取数据的逻辑;mapper层处理mysql语句的生成并从数据库直接读取数据;最后dao层处理持久化。平台的前端展示页面的搭建基于采用Bootstrap框架的JSP页面及使用JavaScript的页面逻辑控制机制。JSP页面基于不同的数据动态生成页面,并使用Bootstrap栅格化与css样式类实现页面优化与不同屏幕的自适应机制,采用Javascript控制页面显示、绘制图表、实现交互逻辑等。

基于知识图谱的志愿服务推荐系统研究与实现

这是一篇关于知识图谱,推荐系统,志愿服务,表示学习的论文, 主要内容为近十年来,志愿服务事业如雨后春笋般蓬勃发展,随着志愿服务事业的推动和互联网的进步,志愿活动中产生了海量志愿服务数据。如何处理和利用志愿服务数据,对志愿用户的行为进行指导,为志愿事业的参与者提供有价值的参考,成为亟待解决的问题。随着人工智能及互联网大数据的发展,“互联网+”志愿服务信息一体化工作也逐渐开展。对海量的志愿服务数据进行分析与研究,构建志愿服务领域的知识图谱,一方面以图谱的形式将复杂的结构化的志愿服务数据进行直观的展示,将互联网信息表达成更接近人类认知的形式,便于更好的理解、管理数据;另一方面,知识图谱将现实的语义和关系通过计算机进行学习,进而提供包括个性化推荐、智能检索在内的智能服务,为志愿服务事业的开展提供参考。本文通过挖掘志愿服务数据,抽取志愿服务领域中的实体及关系,搭建志愿服务领域的知识图谱,对志愿服务推荐工作进行研究,基于知识图谱表示学习模型提出推荐算法,并在此基础上搭建志愿服务推荐系统。论文主要工作包括:一、基于志愿服务大数据,完成知识抽取工作,并建立志愿服务领域的知识图谱。对志愿服务数据源进行分析得出,志愿服务发展存在不平衡的问题,建立志愿服务领域知识图谱有助于这一问题的解决。首先依据志愿服务数据的特点人工定义层次结构模式,然后按照该模式抽取出实体、属性及关系,最后以MySQL数据库和Neo4j数据库结合的方式对知识抽取的结果进行存储,完成知识图谱的构建。二、基于志愿服务领域的知识图谱,研究表示学习算法,在此基础上提出基于TransH的推荐方法。先是对常用知识图谱表示学习模型在志愿服务数据集上的性能进行评估,其中TransH算法性能最佳。然后考虑到现有推荐算法面临的问题,提出基于TransH的推荐方法,将表示学习模型与经典的协同过滤相结合,引入兴趣值的概念,解决了冷启动问题,并利用项目时间属性建模时间衰减函数使得推荐过程更贴近真实场景。最后,构建稠密和稀疏两种数据集对所提算法进行性能测试,在稠密数据集上,所提算法相比传统的基于物品的协同过滤算法在准确率、召回率、覆盖率指标上分别提升29.91%、42.22%和23.81%,在稀疏数据集上提升38.78%、42.50%、24.55%,说明所提算法不仅在推荐准确性和挖掘冷门物品能力上表现出色,而且可以缓解数据稀疏性问题。三、基于知识图谱和推荐算法,实现了志愿服务推荐系统,该系统为志愿者用户提供了数据可视化服务与项目推荐和检索服务。首先设计了系统的三层架构:数据层、业务逻辑层和应用服务层,数据层采用MySQL和Neo4j数据库,业务逻辑层采用Spring框架和MyBatis,应用服务层是以Web页面形式呈现。然后完成了系统的各个功能模块:志愿者注册登录模块、志愿图谱信息展示模块、志愿服务数据展示模块、和志愿服务项目检索推荐模块,介绍了各个模块的设计方案和实现过程,并对各个模块的页面进行展示。

基于微信公众号的桐乡卫校志愿服务平台设计与实现

这是一篇关于志愿服务,微信公众号,信息管理平台,MVC架构的论文, 主要内容为近近年来,很多中等职业学校为了提高学生的服务意识和德育素养,组织学生广泛开展各类志愿服务和社会实践活动,其中,志愿者服务工作管理的信息化具有十分重要的现实意义。本文基于微信公众号,针对因志愿者规模扩大,服务岗位增多,日常管理任务重,易出错的现状,采用软件工程的方式方法和相关实践经验,使用MVC架构,设计并实现了一套基于微信公众号的桐乡卫校志愿服务平台,以期能够减轻管理压力,提高工作效率,服务广大志愿者,推动志愿服务长效工作机制的建立。本文的主要工作和成果如下:1.系统结构:本系统分为微信公众号端和后台管理端。微信公众号端是本系统面向广大志愿者的接口,包含首页,公告,礼品和我的四大功能模块,实现志愿活动申请,查看公告,礼品兑换,个人信息维护等功能。后台管理端主要面向广大志愿活动的管理者,实现对志愿活动的审批,公告管理和用户管理等功能,分为五大功能模块,分别为活动管理模块、用户管理模块、礼品管理模块、公告管理模块和管理员管理模块。2.技术架构:系统采用MVC架构,设计上将系统分为展示层,业务处理层和数据持久化层三层。展示层负责系统的人机交互;业务处理层包含两部分的内容,一方面业务处理层负责展示层相关业务的分发,另一方面业务处理层通过调用数据持久化层的相关数据对数据进行封装处理;数据持久化层负责整个系统的数据持久化工作。3.系统实现:“基于微信公众号的桐乡卫校志愿服务平台”在桐乡卫校新学期开学初已上线了,通过一个多月的调试与试用、修改和完善,如今各项功能已满足实际应用要求,平台的运用极大地提高了桐乡卫校志愿服务工作管理水平和工作效率,效果良好。

基于元信息的志愿服务推荐系统研究与实现

这是一篇关于志愿服务,元信息,异质信息图谱,向量嵌入,混合推荐的论文, 主要内容为近十余年间,我国志愿服务领域持续处于高速发展阶段:截至2019年,中国志愿服务信息系统中已经积累了约1.2亿名志愿者、73万个志愿团体以及232万个志愿项目的海量数据。如此的数据规模充分表明志愿服务已经逐步发展成为我国社会服务领域的重要组成部分。然而,立足于移动互联网飞速发展的背景,与其他同样拥有海量服务对象的领域相比,志愿服务领域并没有受到足够的关注:就推荐应用而言,各业的服务提供商和研究者们已经在电商、视频、音乐等领域具备较为成熟的研究基础,并开发出相应的推荐系统以改善用户体验;相反地,到目前为止,手动筛选仍然是当下志愿者挑选志愿项目的主要方式,多数志愿服务网站仅能提供随机项目或热门项目推荐,并且在所推荐的项目列表中,甚至还会存在已经停止招募的无效推荐。面对志愿服务信息化、智能化发展相对滞后的现状,如何处理并应用志愿服务海量数据,更有效地反哺助力志愿服务领域发展,成为一项亟待解决的问题。本文聚焦于推荐应用,通过对志愿服务数据源开展多角度分析,归纳志愿服务领域于推荐系统研究的独特性及随之产生的问题;并结合近年来广受关注的知识图谱概念,对应地从算法模型与系统设计的角度提出解决方案,为志愿者提供个性化推荐服务。对志愿服务信息化和智慧城市建设具有一定的参考价值。论文的主要工作包括以下内容:一、对中国志愿服务数据源进行分析工作,分别从整体层面,志愿者角度,志愿项目角度,以及二者间交互关系角度四个方面总结该领域特征,存在的问题及可能存在的解决方案,为后续研究讨论奠定理论基础;同时,设计逐日模拟的测试方案,提出更具现实意义的“成功率”评价指标,并依照测试方案抽取实验数据集,为后续研究讨论奠定数据基础。二、基于志愿服务数据的多方位分析,提出基于异质元信息用户嵌入模型的推荐方法CMeta-User2vec,引入志愿者属性元信息构建多元异质信息图谱,结合Word2Vec模型将志愿者嵌入到低维向量空间,以应对志愿服务领域存在的数据稀疏性和冷启动问题。在抽取的实验数据集上以逐日模拟的方式进行测试,与近些年提出的同样可以应对类似问题的推荐算法如 CFKG、HI2Rec、Product2vec、metapath2vec等进行对比,从成功率、召回率、覆盖率等角度验证所提方法的有效性:在实验数据集上,所提方法的平均推荐成功率高达59.96%。最后,还通过补充实验验证了所提向量嵌入模型自身所具备的更广泛的应用普适性:如用于深度学习模型的输入向量预训练等。三、结合混合推荐系统于实际项目生产中的广泛应用,进一步丰富异质信息图谱,引入项目属性元信息构建层次异质信息图谱并在此基础上提出MulGRS混合推荐系统:对单体的传统协同过滤算法,PersonalRank随机游走算法等推荐模型进行适配性改进,以根据志愿者的项目参与状态划分不同情境构建相应的混合推荐模型,进而生成推荐。在这样的设计中,通过多算法的相互配合弥补单一模型的不足,以应对冷启动问题并提升整体的推荐成功率;底层的多层次网络存储结构帮助缓解数据稀疏性问题的同时,图结构相关的过滤操作也有助于提升各个推荐模型的执行效率。在同样的实验数据集上与传统Switching Hybrid、Weighted Hybrid、TransE-CF 等混合推荐系统进行对比,验证所提方法的有效性:在实验数据集上,所提方法的平均推荐成功率高达71.04%。最后,对比了所提两种方法的优劣利弊:不存在适配所有应用场景的方法,总是需要结合具体需求选择合适的推荐模型。四、基于所提出的两种方案,设计并实现志愿服务可视化推荐系统,为志愿者提供项目的多级推荐以及相关信息的个性化展示和检索服务。在多级推荐服务中,MulGRS为志愿者提供实时推荐,CMeta-User2vec为志愿者提供离线推荐,通过对服务器负载的监控进行推荐算法的切换,保证推荐服务的可用性。同时推荐结果将以“志愿者—中间实体—推荐项目”的最短推荐路径可视化形式呈现,提示志愿者推荐理由,增强推荐服务的可解释性。

房山区成教系统志愿服务信息管理系统的设计与实现

这是一篇关于志愿服务,信息管理系统,成教系统,MVC框架,J2EE架构的论文, 主要内容为随着构建和谐社会理念的提出,志愿服务的落实程度已经成为了社会文明的重要体现。为了使志愿服务有更高的群众性参与程度,传统的以短期化、动态性的志愿服务活动急需向规范化、网络化的志愿服务转变。志愿服务信息管理系统正是以互联网为依托,搭建的志愿服务管理平台。为了实现对房山区成教系统志愿服务的有效管理,本研究设计并搭建了以志愿者、志愿团体和志愿项目为主体的房山区成教系统志愿服务信息管理系统。本研究中首先从三大管理功能及六大业务功能的角度对信息管理系统进行需求分析;随后,借助J2EE开发规范对系统进行设计,将该信息管理系统划分为志愿者管理、志愿项目管理及志愿团体管理三个子系统,并分别对这三个子系统在功能上进行了详细设计;在整体结构框架以及核心功能设计的基础上,实现了房山区成教系统志愿服务信息管理系统对志愿者、志愿团队和志愿项目的管理功能,并实现了包括招募注册、权限分配等业务功能;最后,分别应用白盒及黑盒两种方式对志愿服务管理系统的功能和性能进行测试,通过测试的结果表明,所完成的系统具有较高的实时性、完整性及准确性,满足设计需求。志愿服务信息管理系统的建立,有利于全面推进成教系统乃至房山区成教系统志愿服务工作的科学化、制度化、规范化、信息化发展。将帮助志愿项目科学完整的落实;将方便志愿团体管理本团体的志愿者;将极大的方便志愿者找到感兴趣的志愿团体,参与有意义的志愿服务。

基于云边协同微服务架构的志愿服务平台设计与实现

这是一篇关于志愿服务,云边协同,微服务架构,多标签分类,推荐算法的论文, 主要内容为近十年来,我国志愿服务事业蓬勃发展,超过1.2亿的志愿者、73万志愿团体和232万志愿项目每年产生大量志愿服务数据。然而志愿服务事业智能化、信息化发展却相对滞后。海量数据仅通过云中心集中存储而缺乏进一步的大数据处理、计算与分析,志愿者没有享受到大数据带来的智能与便利,大量隐藏在数据背后的结论与发现亟待研究与挖掘;同时,随着大数据时代的数据源、数据量不断膨胀及智能化的需求日益增长,传统云平台架构难以满足现状,实时性、网络制约、资源开销、计算负载和隐私保护等方面的缺陷逐渐暴露,亟需更替成边缘计算和云计算协同的云边协同微服务架构。另一方面,随着互联网应用功能业务不断复杂,种类繁多的设备需要得到适配支持,不同业务逻辑的相互调用、业务交叉情况愈发普遍,传统单一应用架构存在不灵活、不可靠、不易扩展、迭代速度慢、阻塞持续集成的问题。微服务作为新一代软件架构设计思想,旨在解决此类问题,是传统应用架构改进的趋势。志愿服务由于其自身特点,通常以行政区域划分系统权限,存在本地个性化、差异化服务的需求,天然支持且高度适合云边协同及微服务设计思想的革新。本文基于云边协同微服务架构,完成志愿服务平台设计与实现,是我国志愿服务事业发展的迫切需要,推进了我国智能化、信息化社会建设的进度,为边缘计算和云边协同架构的实现提供了参考案例,同时也为物联网多协议设备接入通用架构的探索提供了可行性解决方案。本文主要工作包括:一、志愿大数据算法与服务研究。本文提出了基于TF-IDF和标签幂集策略决策树模型的志愿标签智能补全算法。通过创建自定义语料库、停用词列表,使用jieba分词和TF-IDF算法提取相关短文本关键词作为特征向量,将标签补全问题转化成中文文本多标签分类问题,利用标签幂集策略决策树模型完成文本分类,多标签分类准确率达88.92%,比传统二元关联策略高斯贝叶斯分类算法高67.11%。利用补全后的志愿服务标签,筛选并结合其他字段进行数据向量化,描述用户画像,实现了基于重载运算符的混合加权志愿服务推荐算法。该算法中,基于重载运算符的方法,重新定义了传统协同过滤算法中相似度的计算,具有更友好的解释性,将在线推荐的时间复杂度由O(N+M)降至O(1)(总项目数N,总团体数M)。算法加权结合用户标签、时间戳、所属地区等字段和历史记录,推荐志愿团体和项目的准确率达到18.51%/27.50%,比只考虑历史记录的传统算法在准确率上也有了 16.44%/24.93%的提高。二、云边协同微服务架构研究。本文基于Docker及EdgeX框架等关键技术,提出并搭建云边协同微服务架构,为传统大数据环境应用提供兼容多协议设备的通用架构,取代传统云平台和单一应用架构,具有高可靠、松耦合、迭代速度快、跨平台兼容性好等优点,并提供了多个通用功能模块。其中泛化设备接入与处理模块为MQTT、SNMP、HTTP、ModBus等不同协议设备提供通用支持;云边节点自我感知模块用多叉树结构抽象云边结构,使云边节点能动态自我感知,体现了相较于传统单层或双层云边协同架构,拓展便捷性上的优势;资源监控与服务动态升降级模块为节点提供自我监控、动态调节的能力;负载均衡模块利用Docker Swarm容器集群分摊网络请求,使请求平均耗时减少59.49%以上。三、云边协同微服务架构下志愿服务平台实现。本文基于提出的云边协同微服务架构,搭建了新一代志愿服务平台。本平台将全国的志愿服务系统划分为全国、行政区域、边缘设备的多层云边结构,融入本文提出的志愿标签智能补全算法、加权多标签推荐算法和数据可视化,进一步赋能志愿服务平台,分层次为志愿者、组织者和决策者提供智能服务。最后,本文将云边协同微服务架构下志愿服务平台与传统平台进行了对比。

房山区成教系统志愿服务信息管理系统的设计与实现

这是一篇关于志愿服务,信息管理系统,成教系统,MVC框架,J2EE架构的论文, 主要内容为随着构建和谐社会理念的提出,志愿服务的落实程度已经成为了社会文明的重要体现。为了使志愿服务有更高的群众性参与程度,传统的以短期化、动态性的志愿服务活动急需向规范化、网络化的志愿服务转变。志愿服务信息管理系统正是以互联网为依托,搭建的志愿服务管理平台。为了实现对房山区成教系统志愿服务的有效管理,本研究设计并搭建了以志愿者、志愿团体和志愿项目为主体的房山区成教系统志愿服务信息管理系统。本研究中首先从三大管理功能及六大业务功能的角度对信息管理系统进行需求分析;随后,借助J2EE开发规范对系统进行设计,将该信息管理系统划分为志愿者管理、志愿项目管理及志愿团体管理三个子系统,并分别对这三个子系统在功能上进行了详细设计;在整体结构框架以及核心功能设计的基础上,实现了房山区成教系统志愿服务信息管理系统对志愿者、志愿团队和志愿项目的管理功能,并实现了包括招募注册、权限分配等业务功能;最后,分别应用白盒及黑盒两种方式对志愿服务管理系统的功能和性能进行测试,通过测试的结果表明,所完成的系统具有较高的实时性、完整性及准确性,满足设计需求。志愿服务信息管理系统的建立,有利于全面推进成教系统乃至房山区成教系统志愿服务工作的科学化、制度化、规范化、信息化发展。将帮助志愿项目科学完整的落实;将方便志愿团体管理本团体的志愿者;将极大的方便志愿者找到感兴趣的志愿团体,参与有意义的志愿服务。

基于元信息的志愿服务推荐系统研究与实现

这是一篇关于志愿服务,元信息,异质信息图谱,向量嵌入,混合推荐的论文, 主要内容为近十余年间,我国志愿服务领域持续处于高速发展阶段:截至2019年,中国志愿服务信息系统中已经积累了约1.2亿名志愿者、73万个志愿团体以及232万个志愿项目的海量数据。如此的数据规模充分表明志愿服务已经逐步发展成为我国社会服务领域的重要组成部分。然而,立足于移动互联网飞速发展的背景,与其他同样拥有海量服务对象的领域相比,志愿服务领域并没有受到足够的关注:就推荐应用而言,各业的服务提供商和研究者们已经在电商、视频、音乐等领域具备较为成熟的研究基础,并开发出相应的推荐系统以改善用户体验;相反地,到目前为止,手动筛选仍然是当下志愿者挑选志愿项目的主要方式,多数志愿服务网站仅能提供随机项目或热门项目推荐,并且在所推荐的项目列表中,甚至还会存在已经停止招募的无效推荐。面对志愿服务信息化、智能化发展相对滞后的现状,如何处理并应用志愿服务海量数据,更有效地反哺助力志愿服务领域发展,成为一项亟待解决的问题。本文聚焦于推荐应用,通过对志愿服务数据源开展多角度分析,归纳志愿服务领域于推荐系统研究的独特性及随之产生的问题;并结合近年来广受关注的知识图谱概念,对应地从算法模型与系统设计的角度提出解决方案,为志愿者提供个性化推荐服务。对志愿服务信息化和智慧城市建设具有一定的参考价值。论文的主要工作包括以下内容:一、对中国志愿服务数据源进行分析工作,分别从整体层面,志愿者角度,志愿项目角度,以及二者间交互关系角度四个方面总结该领域特征,存在的问题及可能存在的解决方案,为后续研究讨论奠定理论基础;同时,设计逐日模拟的测试方案,提出更具现实意义的“成功率”评价指标,并依照测试方案抽取实验数据集,为后续研究讨论奠定数据基础。二、基于志愿服务数据的多方位分析,提出基于异质元信息用户嵌入模型的推荐方法CMeta-User2vec,引入志愿者属性元信息构建多元异质信息图谱,结合Word2Vec模型将志愿者嵌入到低维向量空间,以应对志愿服务领域存在的数据稀疏性和冷启动问题。在抽取的实验数据集上以逐日模拟的方式进行测试,与近些年提出的同样可以应对类似问题的推荐算法如 CFKG、HI2Rec、Product2vec、metapath2vec等进行对比,从成功率、召回率、覆盖率等角度验证所提方法的有效性:在实验数据集上,所提方法的平均推荐成功率高达59.96%。最后,还通过补充实验验证了所提向量嵌入模型自身所具备的更广泛的应用普适性:如用于深度学习模型的输入向量预训练等。三、结合混合推荐系统于实际项目生产中的广泛应用,进一步丰富异质信息图谱,引入项目属性元信息构建层次异质信息图谱并在此基础上提出MulGRS混合推荐系统:对单体的传统协同过滤算法,PersonalRank随机游走算法等推荐模型进行适配性改进,以根据志愿者的项目参与状态划分不同情境构建相应的混合推荐模型,进而生成推荐。在这样的设计中,通过多算法的相互配合弥补单一模型的不足,以应对冷启动问题并提升整体的推荐成功率;底层的多层次网络存储结构帮助缓解数据稀疏性问题的同时,图结构相关的过滤操作也有助于提升各个推荐模型的执行效率。在同样的实验数据集上与传统Switching Hybrid、Weighted Hybrid、TransE-CF 等混合推荐系统进行对比,验证所提方法的有效性:在实验数据集上,所提方法的平均推荐成功率高达71.04%。最后,对比了所提两种方法的优劣利弊:不存在适配所有应用场景的方法,总是需要结合具体需求选择合适的推荐模型。四、基于所提出的两种方案,设计并实现志愿服务可视化推荐系统,为志愿者提供项目的多级推荐以及相关信息的个性化展示和检索服务。在多级推荐服务中,MulGRS为志愿者提供实时推荐,CMeta-User2vec为志愿者提供离线推荐,通过对服务器负载的监控进行推荐算法的切换,保证推荐服务的可用性。同时推荐结果将以“志愿者—中间实体—推荐项目”的最短推荐路径可视化形式呈现,提示志愿者推荐理由,增强推荐服务的可解释性。