推荐服务

推荐服务（精选12篇）

推荐服务 篇1

0 引言

电子政务是政府高效行使职能、履行职责的有效手段，可以打破组织结构限制、时间限制和地域限制，可以为社会和民众提供有效便捷的沟通与服务的平台，同时也是政府部门内部交流沟通平台，具有应用范围广，内容丰富，实时互动等特点。然而由于我国还处于电子政务发展初级阶段，重新建轻整合，重硬件轻软件，重管理轻服务，重电子轻政务，表现出服务方式有限、服务功能简单、信息量繁杂、信息孤岛现象严重等问题[1]。面对专业性强、信息量大、知识结构复杂的信息，公众迫切需要个性化推荐服务，来帮助他们及时准确地发现所需的信息服务。

在电子政务的个性化信息服务实践方面，电子政务的个性化服务推荐理念仅在我国部分地区的政务网站中开始出现并初步发展，而且无论国内外的个性化服务推荐主要是面向普通公民，而不是面向企业。因此，面向企业提供个性化服务推荐的需求更为迫切。在个性化服务推荐技术应用方面，可以发现国内外的个性化信息服务研究主要集中在电子商务、图书馆、计算机等领域，且发展比较快。而在电子政务领域中，个性化服务推荐的研究相对薄弱，G2B环境下的相关研究更少。本文基于G2B环境，在现行个性化推荐算法研究的基础上，综合运用Apriori、FCC和协同过滤等多种推荐算法，有效规避了目前主流推荐算法协同过滤技术中冷启动[2,3]、数据稀疏性[4,5]等突出问题，有效降低或避免单纯推荐技术的弱点。

本文以Web日志中的用户浏览行为和用户服务使用记录为依据，挖掘出代表用户兴趣的模型;然后，利用路经聚类方法进行聚类，将大规模用户集合转变为具有近似爱好的用户簇;最后，每个聚类簇中应用改进的协同过滤技术进行个性化推荐。本文根据推荐方法，以“××中小企业网”的相关数据，实证表明本推荐方法具有良好的推荐效果。

1 个性化推荐算法分析

电子政务的内容非常广泛，而复杂的政务活动也恰恰意味着推荐质量的重要性。能否改善面向企业个性化服务推荐质量的关键和核心在于推荐算法的优劣。推荐算法是推荐系统中最核心和关键的部分，其性能的优劣直接影响推荐的质量。

目前对个性化推荐的研究，业界普遍集中在探索新的推荐算法和新的推荐模型。针对新的推荐算法的探索，Dell'Amico和Capra[6]定义了以品味相似和社会导向为主的用户可信性标准，提出了一种新的信息过滤方式;Moon等[7]提出一种新算法，改进了传统机器学习排名系统，以适应动态变化的服务现状;梁昌勇等[8]认为用户分为无推荐能力的用户和有推荐能力的用户，并对有推荐能力的用户提出了一种基于Rough集理论的最近邻协同过滤算法，有效降低数据稀疏性，提高推荐算法质量。针对新的推荐模型的探索，Mei等[9]设计了一种称为VideoReach的基于上下文推荐系统，整合了视频、音频、文本等多通道内容和用户反馈信息;Kim等[10]提出了一种合作性用户建模来提高个性化推荐质量，并取得了较好的使用效果;Vallet等[11]提出了一种基于图的交互式视频检索系统，利用社区隐性用户信息来增强视频检索能力。这些研究成果为推荐算法引入电子政务领域提供了坚实的基础。

目前常用的推荐方法包括:基于内容的推荐，基于协同过滤的推荐，基于效用的推荐，基于知识的推荐，基于关联规则的推荐和混合推荐技术。其中协同过滤推荐(Collaborative Filtering Recommendation)是目前应用最为成功的个性化推荐技术，其应用的广泛性促进了各领域推荐系统研究的发展。协同过滤推荐是利用用户之间需求的相似性，自动的为用户进行过滤筛选，其优势是收集的用户兴趣是从其购买、评价历史、或浏览行为中抽取的，不需要打扰用户的访问，减轻了用户使用系统的负担;其缺点在于原始数据稀疏性、超高维特性、系统的可扩展性、推荐的精确性和系统面临的安全性等问题。

本文以改进协同过滤推荐为核心，通过多种推荐方法相结合，有效降低了冷启动、数据稀疏性等突出问题。本文提出的企业个性化推荐算法，包括用户数据挖掘(Apriori算法)、用户聚类(FCC算法)、个性化推荐(协同过滤算法)三个部分。

1.1 用户数据挖掘

主要从Web服务器日志中提取出用户频繁访问路径序列。

以Apriori算法[12]思想为指导，挖掘出能体现用户兴趣偏好的频繁访问路径序列，建立用户行为模型。收集并统计用户频繁访问路径，建立用户行为集。

1.2 用户聚类

利用FCC算法[13]对用户频繁访问路径进行聚类，聚类后同一簇用户具有较大相似性，而不同簇用户之间相似性最少。

1.3 个性化推荐

(1)建立用户-服务类评分矩阵

用户评分值记作Rij，表示用户i对第j类商品的评分。

对每一类用户簇，根据此评分公式建立用户-服务类评分矩阵R。

(2)寻找最近相似邻居集

计算相似性的方法主要有Pearson相似度、余弦相似度和修正的余弦相似度。本文采用修正的余弦相似度计算方法，其计算公式分别如下:

其中:u和k分别表示用户u和用户k,Iu,k表示用户u和用户k共同评价过的项目集合;Ru,i表示用户u对项目i的评分;Rk,i表示用户k对项目i的评价;表示用户u的平均评分;表示用户k的平均评分;Iu表示用户u评价过的项目集合;Ik表示用户k评价过的项目集合。

根据此公式，计算目标用户u与每一个用户之间的相似度。并设定邻居集容量为N，按相似度从大到小排列，选取前N项组成最近相似邻居集。

(3)生成推荐结果

通过最近相似邻居集产生推荐，常用的推荐方法如下:

其中:Pu,i表示目标用户u对未评分项目i的预测评分，Pk,i表示目标用户k的邻居用户对项目i的评分，Nu表示目标用户u的邻居用户集。式(4)与式(3)相比考虑到了用户评价尺度的问题。

根据上述公式计算目标用户对待推荐项目的预测评分，并设定评分阀值r，将预测评分在r以上的带推荐项目推荐给用户。

2 实证分析

本文以“××中小企业网”为研究对象，收集了2013年3月4日到2013年4月14日的Web日志文件和用户使用服务的记录，进行个性化推荐算法的研究。本网站平台旨在将现有资源和系统进行有效整合，建设一个服务融合的“中小企业公共信息平台”，为该地区中小企业之间搭建信息沟通、资源共享的桥梁。针对中小企业的特征和需求，本网站平台建立了咨询、信息、服务、互动四大板块，共九个服务频道，向中小企业提供全方位服务。目前本网站上线咨询、招商频道、产品配套3个频道，并对其服务细分进行编号。

2.1 用户行为数据挖掘

(1)数据预处理

Web日志不能直接用来做数据挖掘，必须对其进行数据预处理以获得“纯净“数据。线下进行数据预处理，将日志文件导入数据预处理程序，得到包含用户ID、用户名称、时间、IP地址、用户浏览页面、用户请求动作、状态等的用户事务集对象。用户两次相邻登录之间浏览的页面及次序，组成一条用户访问路径，记作Ci={V1,V2，…，Vi}，Vi表示用户访问过的节点。

(2)挖掘用户主访问路径

由数据预处理，得到每个用户多条不尽相同的访问路径，对每个用户用Apriori算法挖掘出频繁项集，从而生成每个用户对应的频繁访问路径，作为每个用户的主访问路径。由此建立用户主访问路径集。

2.2 用户行为聚类

对用户主访问路径集，采用1.2节中FCC路径聚类方法进行聚类，聚类结果以二维数据表的形式存储，其中user＿id属性列记录的是用户编号，class属性中记录了用户所属类别，每个聚类簇中包含了大量具有相似行为的用户。

对网站主要页面进行编号，以用户行为聚类结果和用户使用服务类别为依据，建立如表所示的用户行为聚类集。用户行为聚类集如表1所示，其中path字段记录用户主访问路径。

2.3 用户个性化推荐

(1)建立用户-服务评分矩阵

对××中小企业网服务进行细分。根据式(1)，建立用户-服务类评分矩阵，如表2所示。表中208、310、321、501分别表示不同的服务类型。

(2)确定最近相似邻居集

通过修正的余弦相似性度量公式(2)，来查找目标用户的最近邻集合，按相似性由高到低排列得到最近邻居集，并根据最近邻居集所浏览的服务除去目标用户本身浏览的，组成预测项目集合。

(3)生成推荐结果

在目标用户的预测项目集合中，按预测项目的评分公式(3)或(4)，计算出目标用户对预测项目的评分，再根据评分的高低进行排列，将预测评分在1.0以上的项目推荐给用户。目标用户的推荐表如表3所示。

3 实证结果分析

3.1 评价标准

目前评价推荐系统质量的标准最常用的就是平均绝对误差[2,14](Mean Absolute Error,MAE)法。MAE的值越小，表明算法的评分预测越准确，推荐质量越高。设目标客户的预测评分值为{p1,p2,p3，…}，目标客户的真实评分值为{q1,q2,q3，…}，则MAE值为:

由于MAE方法简单易于理解和操作，本文采用MAE的方法度量预测的效果。

3.2 实证结果分析

本文使用All But One的方法，即将实验数据集中的一个用户的实际评分中的一个评分隐藏，用其他的评分数据来预测被隐藏的评分数据。相似度度量方法采用余弦相似度度量方法，邻居个数分别取5,10,15,20,25,30,35,40时在分别采用传统协同过滤算法和本文所述改进的协同过滤方法，得到预测值，进而计算出在两种算法下的MAE值。选取user＿id分别为313和316的用户，其结果如图1-2所示。

图1-2的结果表明，在邻居个数分别取5,10,15,20,25,30,35,40时，两个用户的MAE具有较小值，均小于0.4，说明本文研究的推荐算法具有较好的推荐效果。但是本文案例并不能证明不考虑用户评价尺度和考虑用户评价尺度的CF算法的优劣。另一方面，图2中用户MAE值并不完全随着邻居个数的增多而趋向减少，而是出现较明显的变化浮动，这主要因为随着邻居个数增多，后续用户与目标用户相似度降低，对推荐的结果造成一定的影响，这表明邻居个数的选定某种程度上对推荐结果的正确性具有较大的影响。由图1-2可以看出，本案例中邻居个数为25时，两个用户均能取得不错的推荐效果。

4 结束语

本文在国内外电子政务个性化推荐的研究基础上，提出了一种综合多种推荐算法的改进的协同过滤算法，依次通过提取用户频繁访问路径、用户聚类、协同过滤推荐三个过程，显著改善了单一推荐算法的种种不足，实证表明该方法能够有效通过降低评价矩阵的维度来解决协同过滤中数据极端稀疏性等问题，为电子政务个性化推荐的研究与实践提供一种新的思路。

推荐服务 篇2

面对金融市场激烈的竞争，上级行在迫在眉睫之时推出“文

明标准服务”工程，希望以服务为切入口打出一个差异化，从而增强我行在同业中的竞争优势，这对于全面拓展我行业务具有深远的现实意义和战略意义。而“文明标准服务”工程的重点是人，是人的服务。“文明标准服务”活动推出已经有近6个月了，我支行柜台人员的服务意识和服务水平都得到了普遍的提高，在柜员服务工作中都有优秀的表现，其中***同志的表现尤为突出，根据她各方面的综合表现，****同志被我支行评为支行“文明规范服务标兵”，并推荐她参加分行的“文明规范服务标兵”服务评比。

1985年***同志怀着对金融工作的热爱和对美好未来的憧憬，迈进了中国农行**支行的大门，先后在会计员、所主任、公司部客户经理、营业部大堂经理等多个岗位上工作，多年来她立足平凡岗位，认认真真学习，踏踏实实工作，并多次被评为“先进工作者”。2008年他以优异的成绩竞聘为营业部大堂经理，2009年再次被聘任为支行大堂经理。工作中她用辛勤的汗水，换来了硕果累累,被支行评为08优秀大堂经理十佳标兵,“文明规范服务标兵”。

一、把对客户的爱化为工作的动力，全心全意为客户服务 多年的工作实践，使****同志深深地懂得：“客户给我们带来利润，客户是我们的生存的基础”、“以服务求发展，以服务求生存”的服务理念必须时时刻刻落实到日常工作中去。大堂经理是客户走进银行接触到的第一人，作为支行的“窗口”，直接面对客户，代表着整个银行的形象，可以说是银行的“形象大使”。在与客户交际中，自身形象、文明的言谈举止至关重要。2008年3月，***同志走上营业部大堂经理岗位后及时适应角色转变，1把握工作重点，尽职尽责、埋头苦干，全身心地投入，在优质文明服务工作上，她始终坚持“想客户之所求，急客户之所需，排客户之所忧”的服务理念，为客户提供全方位、周到、便捷、高效的服务。在为客户服务的过程中，做到操作标准、服务规范、用语礼貌、举止得体，作为大堂经理，她始终坚持微笑服务，用心与客户沟通，为客户办好每一笔业务，并利用自身学习到的理财知识，从储户实际情况出发为储户提出合理的理财建议。在办理业务过程中她在遵守各项规章制度的前提下，灵活掌握营销方式，寻找优质客户，发掘客户的理财需求，通过热情周到的服务向客户推荐我行代理的基金、保险、人民币理财等金融产品，通过自己的不懈努力在营销基金、保险等方面取得了可喜的成绩。现在她不仅和客户成了老朋友，还成了客户的“贴心人”。

前不久有位从乡镇坐了1小时的公共汽车来到我们支行申办信用卡的中年人，在了解中年人的来意后，***同志耐心的指导他填写有关内容，在交谈中，了解到这位中年人是一名小零售商，家里的老人重病需到外地治疗，带现金不方便，急需办理一张信用卡，为了及时快捷办理，她积极协调柜员加快办理过程，当一切手续办妥之后，这位教师高兴的踏上了回家的路。但过了半小时，在整理柜台前的资料时，***志发现了中年人落下的身份证，她马上给他打了手机，这时该客户已经买了回家的车票，还有5分钟就要开车了。情急之下巧兰同志火速骑电车到汽车站将身份证亲自交到了该中年人的手中。当该中年人表示感谢的电话打到支行领导的时候，大家才知道了这件事。从这些小事中反映了她助人为乐的高尚品格。

二、打铁需要自身硬，始终坚持学习提升业务技能

大堂经理工作量大，工作中需要认真再认真，始终如一的要求自己必须严格按照行里的制定的各项规章制度来进行实际操

作，为高效推进大堂经理岗位的各项工作，适应当前业务发展需要，为客户提供更好、更多、全方位、个性化服务。她坚持刻苦钻业务知识，不断拓宽视野，努力提升自身文化素质和业务技能，在她的努力下，没有发生一次投诉事件和责任事故。在做好自己工作的同时，还用多年来的工作经验来帮助其他的同志，同志们有了什么样的问题，只要问她，她都会细心的予以解答。当她有问题的时候，也会十分虚心地向经验丰富的同事请教，并且认真的做好笔记。工作中她坚持“三人行必有我师”，在业务管理上，坚持走到哪里就学到哪里，向领导学习，向老师学习，向同事学习，向实践学习，以肯于钻研的学习精神不给自己留疑问。在担任大堂经理期间，她参加了全省、全市大堂经理业务培训，在结业考试中取得了第一名的好成绩，并通过了代销基金、银行从业资格、保险业务的资格考试。

四、踏实肯干，站好每天一班岗

每天早晨她总是提前十分钟到达岗位，检查宣传资料是否摆放整齐，大厅的桌椅是否摆放有序，看到有不妥之处，就细心整理，把一切准备工作安排就绪之后，一天的工作就正式开始了。当客户进入营业大厅之后，她会主动迎上前，首先对客户以亲切的微笑和热情的询问：“你好，欢迎光临，请问需要什么帮忙吗？”明白客户的来意之后，将客户引领到柜台前或客户理财中心办理业务；当柜台前的客户较多需要排队等候时，她会对等候的客户说：“对不起，人员太多，请您在等候区稍等片刻，谢谢你的合作。”对于那些在大厅里坐着等候的客户，她会给他们倒杯水或者递份报纸，然后对他说：“你好，让你久等了，真是不好意思，先喝杯水吧。”等客户办完业务后，她会真诚的道一声：“欢迎光临，请慢走。”那亲切温暖的问候，优雅大方的服务礼仪，阳光一样灿烂的笑容让人感到舒心，惬意。在满足客户需求的同时，她还努力从大量的客户中发现有价值的中高端客户，与主任、理财经理共同做好客户的维护，使营业部的个人中高端客户群体逐步发展壮大。

本刊读者服务部实用产品推荐 篇3

2.粗饲料降解剂。本产品对使用全价饲料或自配饲料的养殖户在养殖过程中能降低20%以上的料耗，在相同的情况下动物粪便能减少30%~50%。各种秸秆、米糠、统糠、木薯渣等粗饲料都能在极短的时间内降解并发酵成优质饲料，让您充分利用当地的资源有效降低养殖成本。

3.99复合通用饲料发酵剂。该产品综合了活力99生酵剂和粗饲料降解剂的优点，是在活力99生酵剂和粗饲料降解剂的基础上研发的新产品，为二者的“发酵、降解、增甜、增香、加强型”产品。

本品为生产无抗饲料的发酵剂，用于发酵全价饲料或自配饲料以及发酵糟渣自配无抗日粮，同时完全摒弃使用抗生素。用本产品发酵饲料后的功效：①可促进动物的食欲，提高生长速度；②增强动物的免疫力和抗病力，并营造无耐药病菌的益生菌养殖环境，有很好的预防猪无名高热和口蹄溃烂等疾病的作用；③能显著改善饲料的营养、适口性、消化吸收率（降低料肉比），大幅度减少臭气与氨气，改善养殖场环境。

使用99复合通用饲料发酵剂可完全达到替代抗生素的要求，且无耐药性的问题（治病更简单）、无药物残留的问题，可改善肉质自然口感，生产出的肉禽蛋奶为无抗的安全食品。

4.一针肥生命元注射液。本产品是国家重点新产品，获得国内10枚金奖和两枚国际金奖。它含多种微量元素，通过对动物注射一针肥，使动物对疾病的抵抗力显著提高，耐粗饲料能力提高，生长加快。在注射一针肥时应注意对注射部位进行消毒。

5.生物催肥精。生物催肥精对所有饲养动物效果都明显，50公斤以上的育肥猪最高日增重超过1.5公斤，家禽提前1周左右出栏，与市场上200元一包拌1吨料的效果不相上下，本产品是目前国内使用量最大的催肥产品。

6.百日出栏预混料。本产品是专门针对发酵饲料和自配饲料设计的，采用廉价饲料和自配饲料通过科学配制可收到百日出栏的效果。

7.家禽营养宝。本产品是家禽专门预混料，使用量少、效果显著，能够使家禽提前1周以上出售，1只规模化养殖的家禽多盈利0.5元以上很轻松，土鸡、土鸭每只能多盈利2元以上。且使用后家禽疾病减少。

8.痢疾速治散。本产品对80%以上的动物腹泻、痢疾均有显著效果，常备上几包，需要时最快1个小时就可看到疗效。

9.高热抗体康。本产品是专门治疗猪高热病的药物，虽然不能达到100%的疗效，但比注射式疗法的高复发率疗效要好很多，而且在紧急情况下可马上使用。

10.金赛维。本产品含多种复合维生素，是全国为数不多的带有免疫效果功能的维生素，含量极高，相同的重量含量是同类的2倍，每包500克可拌料2吨，是用户使用后回头率非常高的多种维生素产品。

11.动物体内外杀虫王。该产品是新一代驱虫产品，使用后动物体内外的寄生虫能全部被杀灭，杀虫率几乎达到100%。主要用于预防和治疗动物胃肠道线虫病及杀灭体内外寄生虫，如蛔虫、肺虫、心丝虫、钩虫、蜱、牛皮蝇蛆、纹皮蝇蛆、羊鼻蝇蛆、疥螨（俗称米米虫，在猫、狗身上常见）、痒螨、跳蚤和血虱等的成虫、幼虫、虫卵及其他寄生性昆虫等。

12.热毒消炎王。本产品与传统的氟苯尼考注射液的主要区别是添加了进口的长效药剂，注射到动物体内后药效会维持72小时以上，结合添加一些特殊的药物，一般发病动物只需要注射一次即愈。

13.禽百康。本产品是最新研制的治疗禽病新药，所有原料均采用最新研制的原料原粉组合，并经过临床治疗实践后开发而成的新一代禽病新药。其最显著的优势是药效发挥作用快、效果稳定，是家禽、特禽养殖户常备的禽病救星。

14.僵猪活性调控肽。本产品由免疫调节肽、抗菌肽等多种生物活性功能型肽、多种肽鳌合氨基酸、多种肽鳌合微量元素、多种维生素、钙、磷等组成，能通过对动物体内的生理调控，改善饲料利用的内环境，修复受损的肠黏膜，恢复消化吸收功能；刺激机体增强免疫力，有效促进僵猪新陈代谢，加速细胞分化，使僵猪重新恢复健康生长。本产品经国内众多养猪场的试验验证，取得了90%以上的成功率，是挽回猪场损失、保证猪群健康、提高经济效益的法宝！

15.除臭消氨。本产品是一种生物消臭除氨剂，是纯生物制品，除臭之后没有二次污染，是干净、安全的环保型除臭抑菌剂。

16.活力发酵床复合菌。活力发酵床养殖技术没有任何的动物粪尿排到养殖栏舍外，无须建立排粪沟、堆粪池、污水处理池、沼气池等，对环境无臭味、无排放、无污染，是真正的零排放养殖新技术，许多人将它比喻为养殖业的一场革命！

17.活力重菌泰。饲用复合微生物添加剂Ⅱ能增强动物抗病力。本产品可替代或减少抗生素的用量，提高饲料报酬率、促进动物生长、除氨气臭味,使养殖场环境形成数量巨大的优势“益生菌环境”，减少或杜绝大部分皮肤病、高热病、口蹄溃烂等疾病的发生。

18.堆肥快速腐熟剂。本品是采用独特微生物和复合酶新技术而独创的新产品，能够将各种动物的粪便、作物的秸秆以及有机垃圾、果渣、粗纤维较高的树叶等发酵成优质堆肥，经7～15天发酵后，这些物料就能发酵腐熟，变成优质的生物菌肥，里面含有大量有益微生物，作物施用后土质膨松，茎粗叶茂。

19.防啄丰羽速补精。蛋禽、肉禽啄羽、啄肛、啄趾等癖是养殖业中经常遇到的问题，往往造成不少的经济损失。肉鸭、肉鸡、肉鹅在养殖过程中经常遇到这样一种情况，肉禽达到了销售的重量，但羽毛还未长全，等长全羽毛需要花费较长的时间和大量饲料的投入。蛋禽在生产过程中出现减产、蛋小、蛋壳软等情况时，才发现即使是增加石粉、蛋白质、能量饲料也没有多大改善。上述几种情况不仅常见，而且采取常规措施效果不明显。这些情况是由于家禽缺乏特别营养元素造成的。

本产品就是针对家禽养殖中遇到上述问题而专门设计的产品，它采用纯中药+多种微量元素+多种复合维生素等组成，可大幅度减少甚至杜绝蛋禽和肉禽啄羽、啄肛、啄趾等癖，并能活血祛淤、补肾强体、清热解毒、防治输卵管炎，恢复和提高家禽的产蛋功能。具有见效迅速、成本低廉等特点。

20.禽畜蚊不叮。夏秋季节蚊蝇肆虐，本品不仅可驱蚊避蚊，还能抗热应激，同时也能杀灭蝇蛆和寄生虫卵，降低氨臭气味，改善养殖环境。

本品经科学配方、严格筛选，对禽畜体内外寄生虫敏感，对养殖禽畜本身无毒副作用，也不会造成药物残留，药物24小时后随汗液和粪便排到体外，并对粪便中的蝇蛆虫卵继续起到渗透杀灭作用，是养殖场适用的杀虫、驱蚊、避蚊的首选新药。

21.肉猪后期强补精。肉猪后期强补精采用以进口蛋氨酸为主要原料的复合氨基酸，配以对猪具有强烈诱食作用的香味剂和诱食剂。将本品按照比例添加到肉猪饲料中后，肉猪的抢吃程度超出你的想象，食量会提高1.2%以上，就连瘦小不爱吃食的僵猪、病猪都经不起诱惑抢吃一光，不浪费一点饲料。实践证明，饲养60公斤体重的二元长白肉猪采用全价饲料添加本品后，比未添加组至少可以提前5天达到出栏要求，对自配饲料可以提前15天以上达到出栏要求，对农家传统饲养的肉猪可以提前1个月左右达到出栏要求。

22.家禽恒温电热孵化器。本产品是专为家庭养殖户、中小型家禽养殖场设计的，使用220伏电源，傻瓜式恒温设计，以最简单的操作达到最佳的禽蛋孵化成功率，目前已经出口多个国家。

本孵化器适用于孵化鸡、鸭、鹅、鸽子及其他驯养禽类。每一次可孵化一种家禽，比如：鸡蛋60枚，鸭蛋50枚，鹅蛋30枚，鸽子蛋80枚等。

23.新型移动式小型干湿饲料搅拌机。本产品是一种适合搅拌各种饲料（特别是发酵饲料）的移动式小型饲料搅拌机。该机机型结构紧凑，搅拌桶连机架总高93厘米，搅拌桶上口直径90厘米，下底直径70厘米，采用三轮移动，转向轻巧灵活。经过国内300多家养殖场试用，效果令人非常满意。

以上各产品本刊读者服务部有售，具体售价见下表：

邮购地址：江西省南昌市蓼洲街2号附1号（抚河桥头）江西科学技术出版社有限责任公司农村百事通读者服务部。

推荐服务 篇4

关键词：个性化推荐,LBS,位置情景相似度,协同过滤,项目相似度

0 引言

随着移动通信技术的迅猛发展和移动智能终端的普及,移动电子商务在人们日常生活中扮演者越来越重要的角色,使得用户可以随时随地方便地通过移动设备获得如购物、娱乐、订餐、银行业务等各种服务[3]。面对海量的移动商务信息,高效完备的推荐机制无疑将对移动电商的成功起到至关重要的作用。近年来,移动推荐系统利用移动互联网在信息推荐方面的优势,通过预测移动用户的潜在偏好来过滤不相关的信息,为移动用户提供满足其个性化需求的推荐,逐渐成为缓解“移动信息过载”的有效手段[1]。移动推荐系统是基于上下文感知的[3],其中位置上下文对用户偏好的影响至关重要,如何利用位置情景信息获得更准确的推荐是当前移动推荐研究的热点[3]。

虽然目前基于位置推荐的研究已有不少,但对位置情景在推荐系统中的运用方式、重要程度及权重分配上仍有不足之处。如:Kuo等[5]、陈洪亮等[6]将位置信息作为一个属性引入用户维度中,单纯地根据位置进行过滤,没有充分体现位置情景在移动推荐中的重要性;Qiudan Li等[7]引入位置情景信息,将推荐空间定义为N维“用户×项目×历史记录×位置×时间×天气”,缺点是多维矩阵会随着上下文信息的不断增加而需要不断地进行维护扩展,这无疑会增大计算的复杂度,同时面临存储的压力。

针对现有研究的不足,本文充分考虑位置情景信息的移动推荐中的重要性及位置敏感性,引入位置情景作为一个新的维度,提出了一种针对移动终端环境的混合多维推荐模型。推荐空间定义为“位置×用户×项目”,其中位置维度包含了地理位置、时间、天气等多项上下文信息,各个维度可以根据实际需要增减属性,故而上下文信息的增加并不会影响模型的维度。然后,以此推荐模型为基础,提出了一种新的混合推荐算法,融合了位置情景相似度过滤、项目相似度过滤以及协同过滤三个维度的推荐。最后,通过对比实验验证了该推荐模型的有效性。

1 关键技术

1.1 基于位置的服务

基于位置的服务LBS(Location-based Service)是通过电信移动运营商的无线电通信网络(如GSM网、CD-MA网)或外部定位方式(如GPS)获取移动终端的位置信息,为用户提供各种与位置相关的服务的一种增值业务。根据测量和计算的实体不同,定位技术可以分为以下几种:基于网络的基站定位、基于移动终端的GPS定位、A-GPS定位(辅助GPS)定位和WIFI定位。各种定位技术的定位精度不同、适用场景不同、对终端和网络的要求也不同。

通过LBS技术可以很方便地获取移动终端的位置信息。目前,LBS技术在国内发展迅猛,已经有比较成熟的第三方LBS开放平台供开发者使用和完善,如百度地图、高德地图。两种定位都支持混合定位模式,能实现高效精准的定位,能够满足移动电子商务系统的定位需求。本模型的实现采用百度LBS开放平台提供的定位SDK来实现移动端的定位功能。

1.2 推荐技术

个性化推荐系统正式的定义是Resnick和Varian在1997年给出的:“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”[8]。

目前,推荐系统中使用的推荐技术主要包括基于内容的推荐、协同过滤推荐以及混合推荐[1]。协同过滤CF预测精度高,但存在稀疏问题和可扩展问题。基于内容的推荐不存在冷启动和稀疏问题,但预测精度有待提高。综合考虑,本文结合这两类推荐算法的优缺点,将加权Slope One协同过滤算法与改进的项目相似度过滤算法相结合,设计了一种新的混合推荐算法,以期达到更好的推荐效果。

2 推荐模型

2.1 模型概述

本文提出的基于LBS的移动推荐模型如图1所示。在该模型中,将推荐空间定义为“用户×项目×位置”,其中位置维度包含了地理位置、时间、天气等多项上下文信息,各个维度可以根据实际需要增减属性,因此上下文信息的增加并不会影响模型的维度。然后,在此模型基础上,提出了一种新的混合推荐算法,算法分为两步:第一步,基于位置情景进行一次过滤,即进行位置情景相似度计算,过滤出与用户当前位置情景相似度较高的情境下购买的商品,缩小推荐范围;第二步,在上一步过滤结果的基础上,基于用户和项目进行过滤,分别按改进的slope one算法、项目相似度过滤算法进行过滤,然后按适当的权重将二者的推荐结果进行合并处理,产生最终的推荐结果。最后用真实数据验证算法的有效性。

2.2 模型数据的采集

推荐系统数据采集阶段的主要任务是获取影响用户偏好的信息,这是一个多渠道信息提取和挖掘的过程。主要有两种获取方式,其一是显式获取:通过询问或用户直接设置的方法获取用户偏好信息,这种方式获得的信息最准确。但这种机制的被动性限制了其适用性,在没有利益回报的条件下用户一般不愿意花费时间精力去提供信息;其二是隐式获取:不需要用户特别参与,通过终端系统监测或追踪记录用户行为数据。这种系统主动获取的方式不会给用户带来额外的负担,但隐式获取的数据质量一般没有显式获取的数据质量高,脏数据比较多需要进行数据清洗。

本文模型中影响用户偏好的信息主要是位置情景信息(包括位置信息、时间信息以及天气信息)和用户行为信息(包括评价信息、购买信息)。这些信息均可以借助移动终端技术及服务端数据记录得到,而无需通过用户显式输入获取,故本文采用隐式获取方式。具体地,位置信息通过移动终端的LBS定位技术获取,时间信息通过移动终端的系统时间来获取,天气信息可以通过在移动终端调用中央气象台的天气预报API获取,而评价和购买信息可以通过用户个人记录的分析获取。通过隐式方式获取的影响用户偏好的信息及对应的取值范围如表1所示。

2.3 多维混合推荐模型的设计

个性化推荐模块主要包含位置情景相似度过滤、Slope-one协同过滤、项目相似度过滤和加权合并处理四个子模块。

(1)基于位置情景相似度的推荐

在该模型中,用户每次的交易项目及对应的位置情景信息都会记录到数据库中,每一商品对应有一个历史位置情景集合。当对用户进行商品推荐时,根据用户当前的位置情景信息,计算用户当前位置情景信息与各个商品购买行为对应的历史位置情景之间的相似度,相似度越高,用户在当前位置情景下购买对应商品的可能性就越大。

位置情景相似度计算方法如下:

设位置情景信息包括t个属性L1、L2、…、Lt,则用户购买某个商品G时所在的位置情景定义为:

用户购买某商品n次后,会记录n个与该商品对应的位置情景记录,形成一个历史位置情景集合,用t×n矩阵Locations(Hg)表示:

设用户当前位置情景为:

则用户的当前位置情景与购买商品G时的历史位置情景集之间的相似度计算式为:

其中Count(Li(N))表示Locations(H)中出现属性Li的值等于Li(N)的次数。

综上,计算位置情景相似度,实质就是将用户的当前位置情景与某商品购买行为对应的历史位置情景集进行匹配,计算位置情景属性的匹配率,匹配率越高表示用户在当前位置情境下购买该商品的偏好就越大。

(2)基于加权Slope One协同过滤的推荐

Slope One算法是一种简单高效的协同过滤算法,其基本原理是基于用户的评分历史及其他用户对item的评分来预测用户对item的评分。为了进一步提高算法的精确度,文献[1]提出了一种加权的Slope One算法,认为对某一对项目评分的用户越多,则这一对项目的评分差的可信度就越高,反之则越低。该评分计算式为:

其中rij表示ui对itemj的实际评分,djk表示用户对k、j两个项目评分差的平均值,ckj表示某一对项目k、j评分的用户数,Si表示ui评过分的项目集合。

然而,协同过滤算法普遍存在“冷启动”问题,即要预测某一个用户对项目A的评分,就必须至少有一个其他用户对A评过分,否则即使该用户已经对其他很多项目有过评分也无法产生预测分数。目前针对冷启动问题,主要有两种解决方案:一种是将基于内容的推荐算法与传统协同过滤算法相结合,由于基于内容的推荐算法本身不存在“冷启动”问题,故采用两者相结合的方式可以改善“冷启动”问题;另一种是直接将传统协同过滤算法的评分数据结合特定的方法进行解决[1]。

本文采用第一种方法,在Slope One协同过滤的基础上引入基于项目相似度的推荐算法,从而解决前文提到的“冷启动”问题。

(3)基于项目相似度的推荐

项目相似度推荐是一种基于内容的推荐。项目相似度的计算认为项目之间的相同类型特征越多则越相似[1]。结合本模型的实验数据特征,推荐项目为店铺,店铺特征包括店铺类型、店铺平均消费额区间。例如,店铺A的类型集为{品牌商家,中式炒菜,烧烤烤串,火锅香锅},消费区间为[20,70],店铺B的类型集为{中式炒菜、饺子混沌、烧烤烤串},消费区间为[10,30],店铺C的类型集为{品牌商家,西式快餐,炸鸡汉堡},消费区间为[30,60]。三者对比发现:从店铺类型看A与B肯定比他们与C更加相似,而从消费水平看A与C显然比他们与B更加相似。基于项目相似度的推荐算法具体如下:

①类型相似度计算:输入两个店铺类型特征集Ck、Cj,对两个特征集进行匹配,将类型相同的两个结点看作一次匹配,则认为类型相似度等于总匹配数的两倍与特征集数量之和的比值,计算式表示为:

②消费相似度的计算也可以用式(3)表示。输入两个店铺的消费区间[kmin,kmax]、[jmin,jmax]分别记作Ck、Cj,对比两个区间的临界值,计算两个区间的交集大小为从而消费水平相似度等于交区间大小的两倍与两个区间大小之和的比。

③然后将商家类型相似度、消费水平相似度按照权值求和,设类型相似度权值为λ∈(0,1),则消费相似度为1-λ。本系统将两者的权值都定位0.5,即计算两个相似度的平均值作为最终相似度,计算式为:

④对已评过分项目计算加权平均数来预测评分,权值为项目之间的相似度。设j为用户i没有评过分的项目,Si为用户i评过分的项目集,simkj为项目k与j的相似度,则用户i对j的评分计算式为:

当用户对至少一个项目有过评分,就可以预测对其他项目的评分,该方法不存在“冷启动”问题。

(4)加权合并处理

对项目j的预测评分由上述两种推荐算法的过滤结果共同决定,合并规则表示为:

其中λ表示Slope One算法在混合算法中所占的权重,r(ijk)(k=1,2)表示Slope One算法及项目相似度算法计算出来的用户i对项目j的预测评分,表示混合算法得到的用户i对项目j的最终预测评分。

最后,将用户的最终预测评分的项目评分数据按评分进行降序排序,从中筛选出评分最高的几个项目作为最终的推荐项目,对用户产生推荐,至此完成个性化推荐模块的功能实现。

3 实验

3.1 实验数据

本文的实验数据集来源于生活半径网。生活半径网是中国O2O行业的先行者,主营业务是提供本地商家的上门生活服务。本文以生活半径网的消费、评分历史记录为基础,进行预处理,得到用户对商品的评分数据集,部分评分数据如表2所示。表中的每条数据代表某一用户U对其在位置L购买的店铺S的商品I的评分记录。

由于本实验预测评分的对象是店铺,因此需要得到用户对店铺的评分数据。在前述用户对商品的历史评分数据的基础上,将同一用户在同一位置购买的同一店铺的所有商品的平均评分作为对该店铺的评分,得到对应的店铺评分数据集,部分评分数据如表3所示。

然后,从数据库中获取用户评分数据集中的所有店铺信息,得到的店铺特征集作为本文模型中项目相似度过滤算法的数据源,其中店铺特征如表4所示。

另外,为了保证实验的有效性,尽量降低数据的稀疏度,本文删除了评分数量低于20或在同一位置评分数量低于10的用户评分数据,即每个用户至少有20条评分数据,且在同一位置至少有10个评分数据。最终得到了121个用户的3295条有效评分数据,作为本文的实验数据。

3.2 评价指标

目前推荐算法的评价指标分为两类:一类是预测评分准确度指标,最常用的是平均绝对误差MAE;另一类是分类准确度指标,最常用的准确率(precision)、召回率(recall)和F指标[1]。结合本文推荐模型的特点,选择使用准确率Precision、召回率Recall和F指标相结合的方式作为本文算法的评价指标。

对于一个未曾被用户评分的商品,最终的推荐结果有4种:推荐给用户且用户喜欢、推荐给用户但用户不喜欢、用户喜欢但未推荐、用户不喜欢且未推荐。表5总结了这4种情况。

准确率Precision为被推荐商品中用户喜欢的数目占被推荐商品总数的比例,即:

召回率Recall为被推荐商品中与用户喜欢的数目占用户喜欢的所有商品总数的比例,即:

当只推荐一个商品且该商品是用户喜欢的商品时,Precision为100%,而Recall却非常低,所以仅根据Precision或Recall来评价推荐算法是不合理的,需要综合考虑两者的值来评价推荐算法,即F指标,计算方法为:

由于本文实验数据的评分方式是5分制,因此在计算准确率Precision和召回率Recall之前,要对预测评分结果和实验测试集中的评分信息进行分类:评分为0~3表示不喜欢,3~5表示喜欢。

3.3 实验过程和结果分析

为证明本文推荐模型的有效性,分别对加权Slope One算法、项目相似度过滤算法以及本文的推荐算法进行实验,计算这三种算法的准确率Precision、召回率Recall和F指标,并进行对比分析。

(1)加权Slope One算法和项目相似度过滤算法的实验过程

首先,由于加权Slope One算法和项目相似度过滤算法都是基于“用户×项目”的二维推荐算法,而本文的实验数据是“用户×位置×项目”的三维数据,因此需要对实验数据进行处理,忽略位置信息,将同一用户在不同位置对同一店铺的平均评分作为忽略位置信息后的评分,得到新的实验数据。接着,将得到的实验数据按4∶1的比例随机划分为训练集和测试集。

然后分别按式(2)和式(3)-式(5)对测试集中的每一对<用户,店铺>进行预测评分,将结果按预测评分进行排序,得到加权Slope One算法和项目相似度过滤算法的推荐结果。

(2)本文推荐算法的实验过程

首先,按4∶1的比例,以“用户、购买位置”为标准将实验数据划分为训练集和测试集,保证同一用户在同一位置的评价信息只在训练集和测试集两者之一中出现,即在训练集中不存在与测试集中用户ID和购买位置都相同的数据。

然后,根据训练集和项目特征集,按照本文所描述的多维混合推荐算法对测试集中每个用户在某一位置可能喜欢的项目进行预测,将结果按预测评分排序,得到推荐结果。

(3)实验结果分析

在上述实验的基础上,分别按照式(7)-式(9)计算各个算法的准确率Precision、召回率Recall和F指标,如图2-图4所示。图中,横坐标表示推荐项目的数目N,本文分别对N=1,N=5,N=10,N=15三种情况进行了实验。

从图2可以看到,整体的准确率Precision随着推荐数目的增加,保持平稳趋势且有略微下降趋势。对比三种推荐算法的准确率Precision,发现在相同推荐数目条件下,本文算法的准确率Precision最高,且明显优于另外两种算法。

从图3可以看到,整体的召回率Recall随着推荐数目的增加,显示明显上升的趋势。这是由于用户喜欢的项目总数是不变的,随着推荐项目的增加,推荐项目中用户喜欢的项目数随之增大,因此召回率Recall不断增大。对比三种推荐算法的召回率Recall,发现在相同推荐数目条件下,本文推荐算法的召回率Recall最高。

由图4可以看到,整体的F指标值随着推荐数目的增加,显示明显上升的趋势。对比三种推荐算法的F指标,发现在相同推荐数目条件下,本文算法的F指标最高,较另外两种推荐算法具有明显优势。

综上,根据本文推荐算法的准确率Precision、召回率Recall和F指标的值均高于加权Slope One算法和项目相似度过滤算法,因此可以得到以下结论:在本次实验中,本文的基于位置服务信息的推荐算法具有较高的推荐效率。

4 结语

茶楼服务员服务礼仪规范[推荐] 篇5

茶楼，不一定仅仅是喝茶。它可以是吃饭的场所，可以是休闲、娱乐的去处，可以是品味的地方。“顾客至上”必须体现在员工的服务工作中，形成一种服务意识。这种意识就是茶楼员工以顾客为核心开展工作，以满足顾客需求，让顾客满意为标准，时刻准备为顾客提供优质服务的一种意识。茶楼员工要时时记住“顾客就是上帝”、“顾客总是对的”，时时处处以顾客满意为标准，把握自己的言行，形成良好的服务意识。

员工的仪容仪表，员工的穿着打扮是茶楼礼仪重要的组成部分，用一句现代时髦的词汇来讲，这叫员工的形象推销，员工清新的工作服会强化茶楼的形象，因此，员工着装的基本要求就是“清洁整齐”，清洁整齐的服装反映员工的精神面貌和茶楼服务的严格性，若穿戴不整齐，会破坏茶楼的形象。除着装整齐外，有以下具体要求 ：

一仪容仪表

（一）坚持洗澡、洗头、洗脸

常洗澡：除去身上的尘土、油垢和汗味，有可能的话要天天洗。常洗头：确保头发不粘连，不板结，无发屑，无气味。

常洗脸：除了早上起床后、晚上睡觉前洗脸之外，凡是有必要时都要抽出一点时间洗脸净面。

（二）注意修饰体表毛发：

男士不要留胡子，要养成每日剃须的习惯，以保持面部的清洁。鼻毛和耳毛要适时地加以修剪。

女士要注意修饰掖毛、腿毛、手部的毛等。作为职业女性，尤其要注意。

（三）保持手部卫生 每个人的手是与外界接触最多的一个部位，它最容易沾染脏东西，所以必须要勤洗手。还要常剪手指甲，手指甲的长度以不长过手指指尖为宜。

（四）注意口腔卫生

口腔要做到无异味，无异物。上班前以及上班期间，注意不要吃过分刺激的食物，如葱、蒜、韭菜等。

（五）头发修饰

1、干净：保持发部整洁

清洗头发：要对头发定期清洗，一般认为，每周应当对自己的头发清洗两到三次。

修剪头发：修剪头发同样需要定期进行，在正常情况之下，通常应当每半个月左右修剪一次自己的头发。至少，也要确保每个月修剪头发一次。

梳理头发：梳理头发是每天必做之事，而且往往应当不止一次。凡有必要的时候都要进行梳理。

2、长短适度：

男士: “前发不覆额，侧发不掩耳，后发不及领，”

女士:头发应扎成马尾，有必要的还需带发罩，适当使用着哩水。

（六）着装

1、确保工服干净整洁，没有污渍，汗渍及其他脏物。

2、无论穿何种鞋子，都不可拖地或跺地。

3、女士应穿中跟或平跟鞋皮鞋或布鞋。

4、如是裙装，暗色和花色长袜不适合与工作套裙搭配，最好是肉色。

5、除非特别的需要，不可以在客人面前把脚从鞋子里伸出来。

二、仪态

（一）坐 姿。坐姿显示了一个人的文化修养。

1、左进左出，双手从腰间往后下挪动理顺衣服，缓缓落座，入座后，身体重心垂直向下，腰部挺直，上体保持直立。

2、大腿并拢，两手放臵在大腿上。坐椅子的三分之二处，使身体保持两个90度。

3、可因环境不同，做正位坐姿、侧位坐姿（双腿斜放式）、重叠式坐姿（脚踝交叠式）。

禁忌：将身体完全靠在椅背上、弓腰塌背、臀部完全覆盖椅子面、将双腿分开或翘“二郎腿”、两腿晃动或抖动。

（二）站姿

站姿的要求：两眼平视前方，两肩自然放平，两臂自然下垂，挺胸收腹提臀。

站姿的类型：（手位）侧放式、前腹式、后背式;（脚位）丁字步、小八字步、正步

三、楼面服务基本礼貌用语。

员工在工作时间不得随便聊天，战栗和走路姿态要挺直，两手不得交叉放在胸前或插在口袋里，在服务中要做到三轻“走路轻，说话轻，动作轻”。待人接物讲究礼貌，彬彬有礼，这是搞好茶楼服务的关键所在，员工要微笑待客，要使用礼貌用语，礼貌不涉及任何成本，礼貌会带来更多利益，礼貌是使客人满意并带来回头客的重要因素。要做到：

（一）“五声”-----来有迎声，去有别声，日常见面有问候声，受到帮助有致谢声，打扰别人有致歉声。

（二）“十字”------请、您好、谢谢、再见、对不起。

（三）“四语”-----不尊重宾客的蔑视语、缺乏耐心的烦躁语、自以为是的否定语、刁难他人的斗气语。具体有：

1.迎客---“您好，欢迎光临！” 2.拉椅请座---“先生/小姐，请坐！”

3.开位问茶---“请问先生/小姐喜欢喝什么茶呢？” 4.派餐巾---“先生/小姐，请用毛巾。” 5.斟茶---“先生/小姐，请用茶。”

6.问酒水---“先生/小姐，请问喜欢喝些什么酒水呢？” 7.斟酒水---“先生/小姐，帮你斟上**酒水好吗？” 8.收茶杯---“先生/小姐，帮您把茶杯收走好吗？” 9.上汤---“这是**汤，请慢用。” 10.上菜---“这是**菜，请各位慢用。”

11.更换烟缸、骨碟等---“先生/小姐，帮您换××。” 12.撤换茶碟---“请问，这个茶碟可以收走吗？”

13.上水果---“这盘水果是我们茶楼**经理送的，是本酒楼的小小心意，请慢用。”

14.饭后茶---“请用热茶。”

15.结帐---“请问哪位买单？”“多谢八折××钱”“多谢收到××钱”“多谢找回××钱。”

16.送客---“多谢光临，欢迎下次在来，再见！”

四、规范礼貌用语及操作程序。

1.当客人进入茶楼时，咨客应主动上前，热情地征询客人“先生/小姐，您好！欢迎光临，请问您几位？”当客人回答后便问：“请问先生/小姐贵姓？”

2.把客人带到座位后，拉椅请坐（并做请的手势）。双手把酒水单/菜单递给客人并说道：“**先生，这是我们的菜牌。”然后询问客人：“您好，请问喝什么茶？我们这有普洱，香片，铁观音。。等茶”客人选定茶叶后，应把客人所点的茶告知看台的服务员。要求：语言亲切，保持微笑，使客人有得到特别受尊重的感觉。迅速把客人的尊姓告知上前拉椅问茶的服务员，以及该区域的领班，并把姓名写在菜卡上。

3.服务员在分管的岗位上站岗，笑脸迎接客人，协助咨客安排客人入座，稍鞠躬讲：“先生/小姐，您好，欢迎光临！”

4.拉椅请坐，先将女性坐的椅子拉出，在她坐下时，徐徐将椅子靠近餐桌，说：“先生/小姐，请坐”并做请的手势，向咨客了解客人尊姓。

五，其他礼仪

（一）接听电话礼仪

1、三声之内接听，超过三响则应该致歉。

“三主动”主动问候“您好”、主动通报自己单位及岗位。如：“这里是某某茶楼”、主动询问事宜。如“请问有什么可以帮您？”。

2、记录并复述客人的要求，向客人确定，然后询问客人是否还有交代，如没有，感谢客人的来电并等客人先挂电话。

（二）递送名片时：

1、不可给客人递出污旧或皱折的名片

2、起身站立走上前用双手奉上，将字面方向朝向客人

3、若是外宾，提前将印有英文的一面展示给对方。

4、致谦敬语：“请多关照”、“谢谢” 切忌：左手递、字向颠倒，用手指夹。

六、注意事项：所以的服务在客人的右手方进行，做到先女士后男士，先客后主，先尊后卑。

1、善于观察分清谁是主人。

2、对有些不愿意把自己姓氏告诉你的客人，不可强求。

3、当客人对问姓名不解时，我们可以这样解释：“这有利于我们称呼您”或“当有客人找你时，便于我们查阅。”

4、服务员在整个过程中，有关称呼客人的应该以其尊姓为前提。

5、递巾冲茶。从客人右边递巾并说：“**先生/小姐，请用毛巾。”然后去冲茶，如果没有从咨客那里得到客人喝什么茶，那就要服务员自己询问客人了。（问的方式见第二条。）

要求：冲茶要求连同小食，芥酱，等一起用托盘托到客人台前，从右边斟上第一杯礼貌茶，注意：茶水要求六分满，先女士后男士，先宾后主，再按顺时针方向进行，然后上芥酱，小食。

7.推销酒水。当客人点完菜或茶后，即微笑地询问：“先生/小姐，请问需要什么××，饮料或果汁吗？我们有**果汁挺不错，啤酒有××啤酒，××啤酒等。”

推荐服务 篇6

用户反馈：云南方先生：保水剂在西瓜上效果很好，我去年获大丰收。邓先生：我是黑龙江人，在唐山鸦鸿桥打工，前不久我在你们杂志社购买保水剂托人捎回家，老家回话说保水剂效果特别好。

注： 保水剂使用方法：蘸根、拌种、拌肥均可，使用量每667平方米（1亩）地仅需2袋。

2.鱼缸里的财富——养观赏鱼也能发财。 观赏鱼在我国大、中、小城市已经形成了庞大的消费产业。教材《鱼缸里的财富》和教学光盘详细介绍了观赏鱼以及其天然饵料和人工配合颗粒饲料的制作方法。该教材和光盘主要内容有金鱼的主要品种及特征、金鱼的生活习性、金鱼的挑选 、金鱼的食性和投饵、金鱼的养殖方式和不同季节的管理要点 ，热带鱼的常见种类、生活习性、热带鱼的选择、热带鱼的喂食方法、热带鱼的规模化养殖、热带鱼的繁殖以及疾病预防 ，锦鲤的主要品种、 锦鲤的养殖与繁育技术、锦鲤的运等，温带淡水观赏鱼、热带淡水观赏鱼和热带海水观赏鱼的相关介绍。本教材和教学光盘的一个显著特点是：除详尽的最新的养殖技术外，还有大量的适应当今市场经营管理方面的知识。养殖观赏鱼的场地小可用几立方米的鱼缸，大可用上千平方米的鱼塘。 教材《鱼缸里的财富》和3张正版光盘含各地观赏鱼鱼苗销售单位（供苗单位提供小苗飞机快运，您无须几千公里几百公里去引种，一个电话就可以送苗到您家）。只有掌握市场发展方向，您才能发家致富。全套教材和光盘收费380元。

3.耕地机 。 耕地机 广泛适用于大田、菜园、大棚、果树地的土壤进行松化 锄草，对丘陵山间陡坡小块田地可以快速便捷地完成翻耕作业，替代了繁重的传统耕作方式。翻耕宽度30厘米左右。翻耕深度5～12厘米。比传统耕作快3倍。小型耕地机重14公斤，操作方便快捷，省时省力，是农民朋友的好帮手。（注：小型耕地机使用汽油作燃料，水田不能使用）每台含托运费1480元。

邮购地址：江西省南昌市蓼洲街2号附1号农村百事通读者服务部

邮编：330009

推荐服务 篇7

关键词：软件网络,服务,自动分类,服务推荐

SOC是一种针对分布式系统的新型计算模式,是软件领域的研究热点,SIC在应用开发模式构造的过程中倡导以服务和服务组合为基础,改变了软件系统的生产、运行及使用方式,软件环境更加开放协同,服务种类日渐丰富,应用领域不断扩展,以服务为中心的互联网形成。软件结构对软件质量有着重要的影响,在服务软件(SOS)逐渐成为主流的背景下,有必要对SOS结构技能型研究,对其中的知识进行挖掘,只有这样才能够更好实现对SOS开发的指导。国内外众多学者对SOC软件领域中的服务发现和服务组合十分关注,但服务分类信息则相对缺少,不利于服务资源的管理和服务检索,传统的手工服务分类方式显然不能满足要求,这就需要对服务自动分类和服务推荐进行分析。

1 SOS与服务自动分类分析

1.1 SOS自动分类

社区结构是复杂网络一种介于微观和宏观之间的网络特性,在现实世界中,众多复杂网络都有着社区结构性质,相关研究表面,网络的鲁棒性、高速传播性等功能特性与网络的社区结构特征有着密不可分的关系。网络社区结构检测是揭示这一关系的重要基础,对于复杂网络来说,其主要采用图来进行表示,因此,Kernighan-Lin算法、普分割法等计算机领域中的图分割算法都能够在复杂网络结构社区检测中应用,但需要住的是,传统的图分割算法一般需要已知网络社区数目,或者将网络划分为规模一致或相近的子图,要想实现上述两点要求是比较困难的,这也使复杂网络领域出现了一些新的社区发现方法,例如加权或无权网络社区发现方法、层次算法和最优化算法等等。本文以复杂网络社区发现方法为基础,划分SOS社区,实现大量SOS聚类,从而实现服务聚类。

本文将模块度Q作为评价指标,分析的网络为加权网络,用去模块度Q对社区划分质量进行评价。评价算法公式如下:

其中Q代表模块度,weii代表两个端点都位于社区i的边,其边权与总边权的比例,wai代表一个或一个以上端点位于社区i的边,其边权与总边权的比例。

1.2 服务自动分类分析

LHF方法以SCA算法为基础来进行API服务的分类,用O(N2s)来表示其时间复杂度。

2 服务推荐

2.1 SOS2S结构特征分析

为了更好的推荐服务和构建SOS,需要对SOS使用服务的使用模式进行分析。本节主要采用度数中心度(DC)指标来分析SOS2S基本结构特征,为后续工作提供指导。

首先需要对二部图中点的度数中心度和事件的度数中心度进行定义,前者指的是该节点所隶属事件数,后者指的是该事件拥有行动者数。而对于服务来说,其度数中心度能够描述服务参与的SOS数,反过来SOS度数中心度能够描述使用的服务数。从而对SOS及其使用服务模式进行反映。通过SOS度数中心度则能够知道推荐服务及SOS的构建。

具体来说,先分析SOS度数中心度数值的分布,确定大多数SOS度数中心度的范围,定义为[A,B],以100个SOS为例,如果有90个以上的SOS使用的服务数都比10小,那么我们可以将[A,B]设定为[1,10],形成构成SOS服务数的范围,对于新开发的SOS来说,其使用的服务数很可能在这个范围之内。

2.2 服务推荐实现

上文中提到,研究SOS服务使用模式至关重要,从SOS2S中能够得到服务-服务网络中也包含了服务使用模式,其中任意路径都是潜在的SOS,因此只需要以一定规则为基础对服务-服务网络进行遍历就能够实现新SOS的构建。度数中心度最大的一个或多个服务即平台服务也是许多SOS重要的构成单元。进行SOS2S的投影操作,这就能够得到相应的服务-服务网络,以此为基础,为SOS构建的用户实现服务推荐。在开发SOS的过程中,对服务使用场景进行划分:

(1)用户为选择任何服务;

(2)用户选择单个服务;

(3)用户选择两个或两个以上服务,选择服务个数记为n。不同服务使用场景提出不同的推荐方法,采用服务推荐算法来实现。

3 应用与工具开发的实例分析

武汉大学研发了一个软件服务注册管理平台S2R2,其有着语义互操作性特点,对互联网软件服务理论、方法和技术标准进行研究,以此为基础,对软件服务资源管理、基础设施平台和相关技术进行开发,能够实现软件服务注册的统一管理,能够实现已经注册的软件服务的管理,以此来方便用户的服务查找。

S2R2平台主要由服务注册子系统、管理子系统、语义查询子系统及本体注册管理子系统组成,主要涉及到的服务包括Web服务、API服务等。将LFG方法在mashup应用注册和服务查询等模块中应用,这就能够实现API服务的自动分类,同时支持API服务推荐[4]。用户在平台注册mashup应用之后,输入应用使用的API,此时S2R2平台后台服务会通过相关算法为其推荐可能类别的服务。

LFH方法不仅可以在API服务进行分类,但并不局限于API,只要存在SOS,就可以获取服务与软件之间的构成关系,从而利用LFH算法实现服务、软件大粒度服务的自动分配,同时能够实现服务的推荐。

4 结论

综上所述,本文提出了一种基于软件网络的服务自动分类和服务推荐方法,主要以LFH方法为主,这种方法能够在一般SOS与服务之间关系网络中应用,在实践中取得了良好效果,对于服务管理、推荐、组合等有着积极的意义,对于SOS开发有着重要的指导作用。

参考文献

[1]自动化技术、计算机技术[J].中国无线电电子学文摘,2011(05):167-246.

[2]潘伟丰,李兵,邵波,何鹏.基于软件网络的服务自动分类和推荐方法研究[J].计算机学报,2011(12):2355-2369.

[3]谢琪.基于协同过滤与Qo S的个性化Web服务推荐研究[D].重庆:重庆大学,2012.

推荐服务 篇8

关键词：均等化,服务匹配,Web服务资源,动态QoS,推荐机制

0 引 言

目前服务资源分配的不均等化现象在服务选择过程中普遍存在。一方面,客户的大量服务需求过度集中在少数高质量的服务资源上,导致部分服务资源出现拥塞和等待,服务质量不断下滑,而且客户自身也付出了不必要的成本( 时间,价格等) ; 另一方面,部分服务资源虽然服务质量尚可,但是由于服务选择缺乏均等化的考虑,导致这些服务资源闲置率较高,无法充分发挥其效用。突出表现在: 道路资源与车流量之间的供需,体育场馆服务资源与居民健身需求之间的供需等。在服务供给短期内不可能大幅提高的前提下,如何利用信息技术改善服务资源的均等化分配,最大限度利用现有资源满足尽可能多的客户需求,已经成为服务领域亟需解决的问题。

以XML,SOAP,WSDL和UDDI等标准规范和协议为核心的Web服务通常被描述成具有自适应、自描述、模块化的网络化技术,可通过网络被公共访问,具有良好接口、松耦合、语言无关、平台独立、公共性等特点,因此,可采用Web服务模式封装各类共享资源( 如计算资源、数据资源、公共服务及遗留系统等) ,并进行服务发布。依托Web服务技术和其它技术的结合, 通过网络平台运用信息化手段使有限的的服务资源得到均等化利用,并且满足需求者自身的个性化需求。

1 相关工作

服务业的目标,就是为了提高所有服务对象的满意度。顾客满意度也是衡量企业竞争实力和企业效益的重要指标[1]。 但是由于服务对象的差异性,不同服务对象对于同一服务的满意度差异性较大。而且服务资源的有限性,服务资源的利用不均,导致很多服务资源闲置,从而不利于整体行业的健康发展[2]。由此引出了服务均等化的问题: 即如何解决客户差异化的需求和有限服务资源之间的矛盾,尽可能取得较高的客户满意度。均等化思想最早起源于西方,且一般运用于公共服务资源的使用[3,4,5]。国内学者对此的研究起步较晚,并且已经在基本公共服务均等化的涵义、内容、模式、路径、体制保障等方面所作的理论探讨,为学界开展基本公共服务均等化研究指明了方向,为政府制定政策提供了有益的参考[6]。同时,信息化手段已经渗透到现代服务业的各个领域,并为其发展做出了不可磨灭的贡献[7,8,9,10,11,12]。因此如何利用信息化实现现代服务资源均等化既是新形势下促进现代服务发展的基本手段,也是现代服务的基本内容。

服务资源封装成Web服务的目的是实现异构环境下服务资源共享和协同,然后再通过服务匹配、服务选择等一系列WEB服务技术,使得分布在不同地域、组织和系统的服务资源协同工作,从而提供高质量的服务。国内外关于资源服务化封装方法的研究已有不少的成果。如文献[13,14]采用网格技术实施制造资源的描述和封装; 文献[15]基于面向服务对象架构SOOA( Service Object-Oriented Architecture) 将制造资源封装为一种动态服务。文献[16 - 18]研究了基于Web服务资源框架WSRF( Web Service Resource Framework) 的制造资源封装方法。 WSRF在重构开放网格体系结构 ( OGSA) 的基础上,将网格和Web服务技术相结合,更好地利用了现有的XML模式,也利用了新的Web服务标准。因此更适合于虚拟企业的组件和制造资源的特点。目前采用基于Web服务资源框架WSRF( Web Service Resource Framework) 的资源封装方法占多数。

基于Qo S的服务匹配方法有基于Qo S语义的[19,20],也有基于Qo S属性计算的[21,22,23,24]。基于Qo S属性计算方法可以很好地满足用户对组合服务的全局限制[25]。现有的Web服务选择方法仅考虑为单个服务需求寻找Qo S最优的服务资源,并没有从全局角度考虑如何充分利用现有资源来满足整个需求序列。而且对领域特征、实时状态以及客户属性等缺乏考虑,服务匹配结果仅为理论最优并非实际可用的最优服务,并导致服务资源匹配不合理和服务资源浪费。

因此,本文提出了基于多层次的均等化服务匹配模型。第一层匹配: 基于语义的web服务功能属性匹配,得到功能满足的候选服务集; 第二层匹配: 服务状态的匹配,判断候选服务的当前承载能力能否满足客户需求,进而得到状态可用的候选服务集; 第三层匹配: 基于均等化Qo S评价模型的服务非功能性匹配。引入的均等化Qo S因服务资源的当前使用情况而实时更新可以更加实时准确地反映当前服务资源的状态,及服务资源的服务质量。最后根据反馈结果,可以通过调整均等化Qo S模型的权重系数来达到均等化服务资源的最佳效果。

2 均等化关键技术

2. 1 服务状态更新

由于动态变化的市场环境和服务企业的生产能力限制,在一定时间内,服务企业不能无限制地承接客户需求订单。为此引入服务状态匹配可以使服务资源在自己承载范围内去尽可能承接较多订单,从而创造出更多企业利润。服务企业的当前承载能力更新计算如式( 1) 所示:

其中,LoadCur表示服务资源当前的承载能力( 承载能力以一定时间内可承载的订单量来衡量) ; LoadMax表示服务资源的最大承载能力; Sum OrderCur表示服务资源当前已承接的订单总量。当LoadCur> 0,则服务可再承接服务资源; 当LoadCur≤0,则服务不可再承接服务资源。利用式( 1) 实时准确地更新各服务资源的当前承载能力。

2. 2 均等化 Qo S( BQo S) 实时更新

在进行服务选择之前,需要对服务的BQo S属性信息进行更新,从而保证所选择的服务即时有效。根据参与的候选服务的综合Qo S评价值进行次序调整,保证评价好的服务将会优先被推荐。下面以几个常用的企业服务的Qo S属性为例,说明如何进行实时的属性值更新。其它属性可依据相似方法进行更新。

( 1) 服务当前产能

候选服务资源的当前产能Capacitycur决定了当前该服务是否能够立即开始执行订单,以及完成订单的时间。式( 2) 中,服务当前产能( Capacitycur) 不仅与该企业服务的最大产能( Capacitymax) 相关,而且与该服务的当前所承担的任务状态相关。因为每个周期过后,服务当前所承担的任务( Sum Ordercur) 都可能会发生变化( 例如正在加工的订单完成,或者新的订单进入等待队列) ,从而导致Capacitycur也随之发生变化。

其中,Capacitycur的取值主要分为以下几种情况: 1如果Sum Ordercur< Capacitymax,则Capacitycur> 0,表示该服务目前处于闲置状态或者有富余产能,可以立即执行订单; 2如果Sum Ordercur≥ Capacitymax,则Capacitycur≤0,表示新来的订单需要等待,客户可以选择等待,也可以选择其他服务。

( 2) 服务响应时间

因为选择服务资源的需求个数不断发生变化( 例如正在加工的订单完成,或者新的订单进入等待队列) ,所以该服务对新订单的响应时间也会随之变化。如式( 3) 所示,Rtime表示该服务对新需求的响应时间; Sum Ordercur表示该服务等待队列中现有的订单总量; Capacitymax表示该服务的最大产能; Time UnitProduction表示生产零件的加工周期。因为每个周期过后,Sum Ordercur都会发生变化,导致Rtime不断发生变化。

当Rtime = 0时,表明该服务的等待队列中没有订单需求, 如果选择该服务,可以得到立即的响应; 当服务队列中的服务需求数目增加时,服务对新需求的响应时间也会随之变长。

( 3) 需求的完成时间

服务需求的完成时间主要由需求的等待时间及对应候选服务的最大产能决定。如式( 4) 所示,Ftime表示新需求接受该服务所需要的完成时间; Rtime表示该服务对新需求的响应时间; New Order表示新需求的订单量; Capacitymax表示该服务的最大产能; Time UnitProduction表示完成产品加工的时间周期,为了方便计算,假定各个企业的加工时间周期单位相同。

( 4) 客户满意度

对服务而言,响应较快并不意味着就能较早完成,这与该服务的Capacitymax相关。因此影响客户满意度的因素主要有服务对需求的响应时间Rtime和需求所需要的完成时间Ftime。客户满意度随服务需求Rtime和Ftime的增加而下降。除此之外, 影响客户满意度的因素还有很多,例如企业的信誉度Reputation等。因此客户满意度的计算公式如式( 5) 所示:

其中Reputation表示企业的信誉度,该属性是一定时期内用户对企业服务的评价反馈,相对比较稳定,因此以这个属性作为影响客户满意度的固定部分; α、β 和 γ 分别代表影响客户满意度的因素权重,且 α + β + γ = 1。

2. 3 Qo S 评价模型

为了有效的区分候选服务资源质量的好坏,根据文中案例所采用的产品加工服务的特点,抽取多个Qo S属性指标作为评价服务质量好坏的标准。鉴于服务资源的Qo S指标除了衡量服务资源的服务质量外,还要起到均等化整体服务资源。本文采用的Qo S评价模型包含非均等化属性Ub Qo S和均等化反馈属性BQo S。其中Ub Qo S包括产品成本价、产品质量、企业信誉度等; 均等化反馈属性BQo S包括客户满意度、服务响应时间等。因此根据下面的Qo S计算方法分别计算出Ub Qo S评价值和BQo S评价值,然后再通过调整均等化Qo S评价模型的权重系数,动态地实现整体有限服务资源的充分利用。下面给出具体的qos计算方法。

( 1) 列出候选服务集的服务质量矩阵Q:

对于qij,i表示第i个候选服务,j表示第j个服务质量属性。

( 2) 采用文献[21]的归一化方法对服务质量矩阵Q进行归一化处理,得到Q'。

在归一化处理之前要对Qo S属性按照效益型和成本型进行分类。效益型属性是指属性值越大越好的属性; 成本型属性是指属性值越小越好的属性。

定义一个向量N = { n1,n2,…,nj,…,nm} ( 1≤j≤m) 。nj的值可以是1或者0。当nj= 1时,表示第j个属性属于效益型的, 即qij值越大服务质量越好; 当nj= 0时,表示第j个属性属于成本型的,即qij值越小服务质量越好。另一个向量C = { C1,C2, …,Cj,…,Cn} 。Cj是一个常数,用来表示标准化时的最大标准值。矩阵Q中的每个属性值都可以用式( 6) 和式( 7) 来标准化。

( 3) 进行权重设置。采用权重分配模型W = < φ,ψ > ,其中W表示所有Qo S属性权重的集合,φ 表示Ub Qo S属性的权重集合,ψ 表示BQo S属性的权重集合。其中权重的分配已通过偏好学习方法量化,这里不再进行深入的讨论。φ = { φ1,φ2,…, φi} ,ψ = { ψi + 1,ψi + 2,…,ψm} 。

这样就可以通过调整均等化Qo S的权重系数从而灵活有效地控制整体服务资源均等化程度。

( 4) 计算Qo S总评价值

因此候选服务的服务质量总评价值如式( 8) 所示:

3 服务均等化算法

3. 1 服务均等化框架

由于服务均等化算法是针对一个服务需求序列,目的是结合所有客户自身的属性、个性化需求以及服务资源的当前状态, 合理高效地分配公共服务资源,既能够使客户们得到最符合自身需求的服务,又能提高服务资源的利用率。如图1所示,服务均等化匹配是一个循环过程。

图1中主要包含以下四个步骤: 1需求和服务之间的功能性匹配; 2需求与服务资源的可用状态匹配; 3基于均等化的服务非功能性匹配; 4根据均等化效果反馈,对均等化Qo S模型进行调整。具体的执行步骤细节如下:

( 1) 功能属性匹配—第一轮候选服务选择

服务需求源源不断地加入到服务需求队列,服务选择机制接到每一个服务需求时,首先需要进行服务功能性的匹配,即服务类别、服务名称及输入输出的匹配。针对服务需求以及候选服务形式化模型中的各个参数,可以采用语义近似度的方法来进行匹配[26],得到第一候选集。

( 2) 服务状态匹配—第二轮候选服务选择

服务状态匹配的目的是筛选出当前第一候选集中可承接该需求的服务资源,进而缩小候选服务集。这样也可以在某种程度上避免部分服务资源过载。根据2. 1节中的计算公式,得到第一候选集中各服务的LoadCur。假定新进入的客户需求订单为New Order。当New Order > LoadCur,则该服务无法承接此订单;如果New Order≤LoadCur,则该服务可承接此订单。将满足承接条件的候选服务加入到第二候选集。

( 3) 均等化的服务非功能性匹配—第三轮候选服务选择

第二候选集存放的服务是功能和当前承载能力都满足的服务资源。在该轮匹配中首先要筛选出满足硬约束条件的服务资源。然后根据2. 2节中的均等化Qo S计算模型计算各个候选服务资源的综合Qo S评价值,选择Qo S值最高的服务来承担该项订单。

( 4) 服务选择的评价反馈

当该服务需求序列中所有需求都匹配到最佳服务资源时, 该需求序列对服务选择的结果进行反馈。根据反馈结果,可以通过调整均等化Qo S模型的权重系数来达到均等化服务资源的最佳效果。均等化效果的评价指标主要采用三个:

a) 服务利用率

其中,Util_rate表示处理该需求序列的服务利用率;表示处理该需求序列的m个服务资源的最大产能之和; 分母表示所有候选服务资源( M) 的最大产能之和。

b) 需求序列的完成时间

其中,Sum Ftime表示处理该需求序列的完成时间,等于各候选服务完成其等待序列中需求所花费时间的最大值。CSi,Ftime表示需求序列中第i个需求的完成时间( 1 < i < n) 。

c) 被选服务的Qo S评价值之和

其中,Sum Qo S表示完成整个需求序列的所有服务的Qo S评价值之和; Qo Si表示完成需求序列中第i个需求的服务Qo S评价值( 1 < i < n) 。

3. 2 均等化服务匹配算法的实现描述

本文研究的重点在服务的状态匹配及服务非功能性匹配。 假设目前服务系统已经对所有服务资源进行第一轮服务选择并筛选出功能满足的服务。现在针对一个具有同类型的服务需求序列,将服务需求按照先来先服务原则投入到均等化服务选择算法。算法的具体描述如下:

4 案例研究

4. 1 案例设计

在图1的场景中,以产品加工为例。根据真实的市场环境, 在某时刻,采购同一种产品的M个采购企业几乎同时到达需求等待队列,对应图1的服务需求队列。且有N个加工企业可以提供该种产品的加工服务,对应图2的服务队列。考虑到采购企业的个性化需求和整体服务资源的均等化分配,因此每个服务采用六个Qo S指标: 产品价格、产能、产品质量、信誉度,及服务响应时间、客户满意度。

4. 2 实验步骤

为了验证本文所提出的推荐模型及均等化服务匹配算法的有效性,采用Java语言实现,算法运行的环境为个人电脑,具体配置如下: OS: Win7 SP1,2011; CPU: Intel( R) 2. 93 GHz,RAM: 2. 00 GB。

现对实验对象做了如下的设定:

( 1) 随机生成候选服务及候选服务的Qo S属性值

候选服务个数SN可根据实验需要设定,并对应生成每个候选服务资源的Qo S属性值。产能为[1000,5000]的一个随机整数; 产品价格为[10,15]的一个随机整数; 产品质量为[1,4] 的一个随机整数; 信誉度为[1,5]的一个随机整数。其中质量 = { 1( 一般) ,2( 好) ,3( 较好) ,4( 非常好) } ,信誉度 = { 1 ( 差) , 2( 一般) ,3( 高) ,4( 较高) ,5( 非常高) } 。均等化Qo S指标的服务响应时间和满意度根据当前服务资源的可用情况实时计算。

( 2) 随机生成服务需求及Qo S属性要求

服务需求个数SRN同样可根据实验需要设定,并对应生成服务需求Qo S属性要求。其中订单量为[1000,10 000]的一个随机整数; 产品的Price为[10,15]之间的一个随机整数,Quality为[1,4]之间的一个随机整数,信誉度为[1,5]之间的一个随机整数。根据权重偏好学习量化,非均等化Qo S属性的价格、产能、质量、信誉度的权重分别为W1、W2、W3、W4,非均等化Qo S属性权重之和为a; 均等化Qo S属性的服务响应时间、满意度的权重分别为W5、W6,均等化Qo S属性权重之和为b,且a + b =1。

( 3) 实验参数取值: 取服务需求的个数SRN为10,20,30, 40,50,60,70,80,90,100,150,200,300,500。候选服务个数SN为50。均等化Qo S属性的权重值之和为0. 6,非均等化Qo S属性的权重值之和为0. 4。

4. 3 实验结果分析

作为所提算法的对比算法,即服务需求仅根据不含均等化Qo S属性的Qo S评价模型并通过基本的服务选择算法匹配出满足自身个性化需求且Qo S评价值最大的服务资源。根据上述设计的仿真实验,对所提出的Qo S评价模型及均等化算法进行验证。在相同的市场环境下,比较两种算法下所有服务需求的总完成时间( Sum Ftime) 、服务资源的利用率( Util_rate) 及被选服务资源的服务质量总和( Sum Qo S) 。

由图3分析得,在候选服务资源个数一定和均等化Qo S指标的权重不变的情况下,随着服务需求个数的不断增加,均等化服务匹配算法下的服务需求的Sum Ftime总低于对比算法下的Sum Ftime。而且随着服务需求个数增加,两种算法下的总时间差值在不断增大。当服务需求个数大于100之后,总时间差值迅速增大,充分体现出本文所提出算法的优越性。

由图4分析可得,伴随着服务需求个数的不断增加,非均等化服务匹配算法下的Util_rate始终保持在10% 左右,而采用本文提出的均等化服务匹配算法,Util_rate有明显的提高,并且Util_rate随着服务需求个数的增加而呈现递增趋势。由图3和图4分析可得,当服务需求个数大于100时,也即当服务需求个数远大于候选服务资源个数时,Util_rate和所有服务需求的Sum Ftime都是大幅度增加。但是,实际情况是,也不是Util_rate越高越好,相应要考虑到服务需求完成的总时间花费代价。

由图5( a) 和5( b) 分析可得,在两种服务匹配算法下,不同服务需求个数对应选择的服务资源的Sum Qo S相差不大。在服务需求和候选资源个数比值不超过2倍时,服务质量的变化幅度不是很大,证明了本文的算法在没有大幅度降低所选服务资源的质量前提下,使得整体服务资源在一定范围内充分均等化。

由图3、图4、图5( a) 和图5( b) 综合分析可得,当服务需求个数与服务个数比值大于1时,服务资源的利用率将达到50% 以上,但是这个比值也不能无限增大,当比值过大时,整体服务资源都处于超负荷状态,就会形成小范围内服务需求要花费时间代价来获取服务。因此均等化算法在一定范围内可以充分发挥其优越性,起到均等化整体服务资源的利用情况。

5 结 语

推荐服务 篇9

一、现状和问题

(1) 就业市场——紧缺。招工难, 技术工人告急, 职校生成“香饽饽”。特别是目前我国经济的高速发展, 世界制造业的重心向我国转移, 技能型工人的市场需求存在较大的缺口, 给职业技术教育的发展提供了较大的空间。尽管目前各类职业技术教育学校之间的竞争十分激烈, 并且绝对生源数量在不断下降, 但是前途依然十分光明。这是因为高级技术型人才在制造业中占据较大份额, 无论经济发展到什么程度, 制造业仍然不可或缺。职业技术人才的市场需求量很大。

(2) 学生家长——期盼。职业学校的学生大多是学习成绩不好或是家庭贫困, 读职业学校有“低人一等”的感觉, 职校毕业生大多工资低、福利差、工作不稳定, 家长非常担心他们的将来。学生和家长顶着社会偏见, 希望通过职业教育, 让学生拥有一技之长, 找到稳定的工作, 以良好的职业素质、踏实的工作作风、精湛的技艺水平在各自平凡的工作岗位上作出不平凡的业绩, 或者成为用工单位的技术骨干、管理精英。

(3) 职业学校——艰难。生源数减少、高校扩招、社会办学乱杂、职业教育艰难。 (1) 招生难。职业学校招生是一场不见硝烟的大战, 从前期的宣传发动战, 到中期的走村串户阵地战, 还有后期的免费接送参观、发放介绍费、减免学费价格战, 各职校“全民皆兵”, 从校领导到教师以及工勤人员, 全部投入到了这场争抢生源的大战。 (2) 就业难。职业学校推荐学生就业无部门设置、无资金来源、无专人负责, 加之学生就业后发生安全事故, 学生家长找学校, 学校不敢作为, 更谈不上跟踪服务。

二、对策和措施

职业教育的产品是技能型工人, 将职校生推荐到技术密集用工单位就业, 保证对口岗位就业, 发挥职校生专业技能, 实现高薪就业。由用工单位检验职业教育的质量, 让家长放心, 让学生稳定, 让用工单位满意, 让社会认同。就业是民生之本, 职业教育不仅是传授专业知识和技能, 而且要推荐就业、输送到岗, 还要跟踪管理、服务到位。

(1) 筹集资金, 设置机构, 专职负责。职业学校属财政拨款, 只有工资和正常的办公经费, 福利待遇都很紧, 财政拨款没有专项的推荐就业费用, 向学生家长收费, 既没有收费许可, 又增加学生家长经济负担。开拓就业市场, 推荐就业资金成为“无米之炊”;职业学校部门设置有教导处、学生处、团委、招生办等, 为帮助职校生就业, 在学生处下设就业指导部, 只进行就业指导, 组织少量校园招聘, 收集就业去向, 保管学籍等资料, 没有专门的推荐就业部门;职业学校的大部分人员性质是教师, 主要职责是教学和管理, 现在实行绩效工资, 更不能离开教学岗位, 否则会影响个人的职称和待遇。加之国际经济风云变幻莫测, 开拓就业市场心中无底, 没有专职负责推荐就业人员。必须设立专项资金, 或者申请收费许可, 保证运行资金, 设置专门推荐就业部门, 落实专职负责, 保证人人就业、对口就业、高薪就业。

(2) 广集信息, 精心筛选, 实地考察。职业学校不可只在招生时印发资料, 进行广告宣传。在开拓就业市场上, 更应加大宣传, 要在招聘网络和招聘报纸上宣传办学特色、开设专业、毕业生人数、薪资要求, 让用工单位主动来学校招聘;动员全校师生人人做学校宣传员和招聘信息员, 对有效信息及时处理, 采用信息给予奖励;推荐就业专职人员不仅在各媒体搜索招聘信息, 还要经常到各招聘会上收集招聘信息。对招聘信息精心筛选, 用工单位应满足下列几个方面:招聘岗位应与职校生所学专业对口;签订劳动合同, 缴纳相关保险, 薪资及时全额发放;用工规范, 加班时间不能太长或频繁加班, 保证员工有足够的休息时间, 不可随便裁减辞退员工;有良好的培训体系, 为员工提供一定的发展空间;有较好的安全防范措施和良好的福利待遇;工作强度适度, 有一定的企业文化。

(3) 就业指导, 组织招聘, 双向选择。就业指导是一门社会学、教育学、心理学、人才学、信息学等专业知识相结合的综合性边缘学科。就业指导人员必须树立全心全意为学生、为用人单位服务的意识, 坚持科学发展观, 彻底改变过去“管就业”的思维模式, 改变以往在学生毕业前夕才进行突击就业指导, 把学生就业指导工作进行长远规划, 遵循学生身心健康发展的规律, 采取灵活多样的形式, 进行求职技巧指导、就业法律知识指导、就业政策指导、就业信息指导等, 提高就业指导工作的针对性和实效性, 努力实现就业指导工作的专业化、专门化、全程化。经考察合适的用工招聘信息向学生宣传, 请家长来校做学生择业的参谋, 协助学生做好面试准备, 通知用工单位来校面试, 配合做好笔试和技能测试组织工作。对具有管理能力的班级干部、技术能手、特困生等个别进行推荐, 对技能差和素质差的不允许参加应聘活动, 继续留校学习训练和教育, 合格方可推荐, 力争当年度毕业生100%就业, 确保招聘“公开、公正、公平”。

摘要：推荐就业, 跟踪服务。切实将职业教育产品与就业市场进行无缝对接, 让用人单位满意, 让学生、家长满意, 实现职业教育的培养目标。

推荐服务 篇10

本书共分15章, 主要内容包括滚动轴承的类型、滚动轴承的材料、滚动轴承的代号、滚动轴承的主要尺寸与公差、滚动轴承的游隙和预紧、滚动轴承的润滑与密封、滚动轴承的选择与配置、滚动轴承的安装与拆卸、滚动轴承的故障诊断与失效分析、滚动轴承的寿命、滚动轴承的成品检测、转盘轴承, 以及滚动轴承的应用实例。

16开平装本, 定价42.00元。

《汽车起重机日常使用与维护》

本书主要介绍汽车起重机的发展现状、基础知识 (用途特点、型号分类等) 、结构组成、使用与维护、安全事故预防、故障诊断与修复, 并附案例分析供读者借鉴。

B5开平装本, 定价27.00元。

《典型零件精密成形》

本书简要介绍了精密塑性成形的特点, 国内外精密塑性成形技术的现状及发展趋势, 专用精锻压力机的研制与应用和精密塑性成形技术在国民经济中的作用, 详细叙述了汽车、飞机、拖拉机、机械与电器等产品中九大类数十个零件的精密成形件设计、成形过程分析、工艺方案制订及工艺参数确定、模具结构设计及应用效果。

16开平装本, 定价48.00元。

《金属切削刀具设计手册》

全书共分16章, 介绍了刀具的共同问题:刀具几何参数的定义和刀具材料;普通刀具部分介绍了车刀、孔加工刀具、铣刀和螺纹刀具;复杂刀具部分介绍了拉刀、数控刀具、齿轮刀具和加工非渐开线齿形工件的刀具。对常用的标准刀具, 扼要地介绍了刀具的结构特点和设计方法。对非标准刀具和一些参考资料中叙述较少的先进高效刀具, 则较详细地介绍了它们的设计方法。书中除附有大量的图表、数据、标准资料、部分刀具合理正确使用的经验资料和技术要求外, 对不少刀具列有详细的设计步骤, 并附有设计示例和工作图。书末附有刀具夹持部分的结构和尺寸, 作为设计时参考。

16开精装本, 定价168.00元

《超硬材料与工具》

本书系统地介绍了超硬材料——金刚石及氮化硼等的结构与性能、制备方法, 并重点阐述了超硬材料工具的配方设计及制造技术, 包括各种超硬材料磨具、超硬材料刀具、超硬材料钻头、超硬材料锯切工具等。同时, 本书对超硬材料及工具的最新技术与进展也作了全面总结。

32开平装本, 定价35.00元。

《钢铁零件制造与热处理100例》

本书以大量实例的形式, 详细介绍了各种钢铁零件的工作条件、材料选择、机械加工工艺、热处理条件与操作方法及常见缺陷与解决的措施等。收集的零件种类包括齿轮和轴类、弹簧类、刃具、模具、量具、机车、汽车、柴油机及其他常用钢铁零件。所选的实例几乎都是企业生产中常见的典型实例, 其中许多实例是作者几十年研究并应用的成熟经验。

推荐服务 篇11

在农村养猪户中，有95％以上都是没有参加过系统的养猪技术培训。文化程度不高的靠从实践中慢慢地学，养殖多年了连基础的理论都说不上来，配制饲料只能估算，遇到复杂一些的疾病都无法诊断，养猪多年交了很多的“学费”后(发病造成的死亡、饲料成本偏高等损失)，自己还是没有真正意义上掌握养猪的系列技术：有点文化的，按照书本上介绍的进行操作以后，不是养殖成本高，就是生长慢，疾病一个接一个来，最后不得不请来各种专家指导，但到头来也没有几个掌握全面的养殖知识。

我国有很多的技校，就是没有几个地方有系统培训养猪技术的，特别是低成本高效益的养猪技术。为了满足广大读者的需求，农村百事通读者服务部隆重举办低成本高效益养猪技术培训班。培训的有关信息如下：

1培训地点在规模化养猪场进行，场内养殖有不同阶段的内猪、母猪、野猪。

2培训方式采用理论与实践相结合，教学就在养猪场内，学员亲自操作配料、饲喂、受精、接产、阉割、给药、注射、消毒、防疫与疾病防治等(部分实践操作可能不能全部操作，但有完整的录像片，并作部赠送给学员)，还有数种饲料如豆渣、泔水、米糠、统糠、菌渣等多种饲料的科学发酵和调制成营养全面的饲料的方法。

3教室是完全现代化的多媒体教室，电脑投影讲课，学员几乎每人一台电脑(有70多台电脑的多媒体教室)，不仅传授养猪的各种技能，还免费传授电脑知识(电脑基础、打字、文档编辑、电子表格、幻灯片制作、上网、搜索、下载、发布供求信息、发帖交流等)。

4技术亮点：采用各种廉价饲料达到最佳的经济效益，饲养成本比全部采用商品全价饲料约降低饲料成本15％左右，采用保健环保养殖技术把死亡率，发病率降到最低，猪生长速度快，猪内无药物残留。适合中小养殖场、养殖户学习渗考。

二、主要培训内容

1活力99生酵剂发酵床养猪技术。目前最流行的养猪技术就是发酵床养猪技术，也叫懒汉养猪技术，本养猪场已经建成了一个新型的发酵床养猪示范场，第一期为面积200多平方米，第二期近400平方米。发酵床养猪最大的优点是不用清扫猪舍，冬暖夏凉，猪病少，特别是冬季由于垫料温暖，能够减少猪的热能消耗，达到减少料耗的效果。目前市场上推广的发酵垫料需要购买他们的菌种，每平方米仅垫料菌种的成本就需要20～40元，我们采用活力99生酵剂保健液，每平方米面积成本不到3元，且有制作简单容易、生酵速度快等诸多优势。因发酵床养猪具有减少日常管理人员、降低料耗、减少疾病等多种好处，目前这项技术在其他地方培训需要4000元以上(我们只收取培训费620元)，而且还要不断高价购买他们的菌种。建设一个200平方米的发酵床养猪房需要投资约1.5万～2万元，可以养殖120头左右的育肥猪。培训内容包括发酵床的设计、建造，垫料的制作，日常管理等，且每一个环节我们在开始建造时都录制了科教片。科教片制作成了VCD光盘，制作成本包含在学费中。

2毛发制作氟基酸养猪技术。利用各种动物毛发，添加几种物质放在一个锅中很快就变成了一种富含各种氨基酸和动物蛋白质廉价饲料添加剂，在猪等动物中可以直接代替动物蛋白和氟基酸，不但成本低廉，而且效果良好。我们将所有原材料、制作工艺、饲科配方、饲养管理全部传授给学员，并且加工工艺也录制了科教片，制作成VCD光盘，制作成本包含在学费中。目前技术市场上传授这项技术需要上千元而且还不传授真实原料的配方。需要你不断向传授者购买原料。

3母猪的养殖技术。包括后备母猪的培养、人工投精技术、母猪的管理、产床的设计制作、母猪的接产技术、母猪的饲料配制、母猪的疾病防治技术、如何降低母猪饲料养殖成本技术。大部分技术都配有详细的科技录像，已经制作成VCD光盘配送于教材中免费赠送给学员。

4仔猪的养殖管理。包括仔猪出生的护理、疫苗接种、疾病防治、补料技术、及时断奶、阉割技术等，配有详细科教片VCD，免费配给学员。

5育肥猪的养殖技术。包括疫苗的接种、疾病防治、饲料配制、快速催肥、低成本措施等技术，技术资料详尽，大部分配有详细操作VCD科教片，配送给学员。

6种猪的养殖技术。包括日常管理、饲料配制、保健防病、精液采集等技术，配有VCD科教片，配送给学员。

7野猪养殖技术。本养猪场从去年开始养殖野猪获得成功。主要培训技术有野公猪的日常管理和交配、小野猪的管理、饲料配制等养殖全套技术。

8低成本饲料配制技术。主要内容有饲料的发酵和调制，饲料配制的基础知识，各种原料的营养成分、低成本配制饲料的诀窍等。

三、参加培训班的时间和方法

1面授培训。每月5、10、15、20、2 5日各举办一期培训班。5天时间主要包括教室理论授课和现场技术培训，学习5天后在养殖场自由实习，也可以免费再跟随下一班继续学习。实习时间无限制(包括学习电脑知识，电脑完全免费使用，包括上网)，且完全免费。住宿：培训基地附近有招待所、宾馆，费用自理(价格从每晚几元到几百元的都有，丰俭由己，每天有专车免费接送，培训基地与招待所和宾馆之问距离仅1公里)。午餐在培训基地就餐，每人每餐收费5元，早餐和晚餐自理。每人收取培训费620元，包含全套36万多字的教材和10张600分钟的教学VCD光盘(以前是8张)、2包活力99生酵剂产品。对参加养猪培训班的学员，只需要再麦280元即可参加蝇蛆和蚯蚓养殖技术培训班，也就是生物链养殖技术培训班(包括获得约30万字的教材，5张VCD光盘、2包发酵剂)。对以前参加我们生物链技术培训班的学员，如果需要参加这项养猪技术培训班的面授，只需要交520元即可参加。

2函授培训。随时可以报名参加培训班，只要汇款530元到农村百事通读者服务部，我们将用特快专递的方式寄给参加培训的读者全套教材和10张VCD光盘、2包活力99生酵剂产品，3天左右就可收到。如果想参加养猪技术培训班连同蝇蛆蚯蚓养殖技术培训(就是生物链养殖技术培训班)，则只要增加200元即可获得生物链养殖培训的全套教学内容(包括约30万字的教材、5张VCD光盘、2包发酵剂)；如果你是参加我们以前生物链培训的学员(不管是函授还是面授)，只需要汇款450元即可获得养猪技术培训班的全部教材、光盘和赠品。

推荐服务 篇12

全书共分四章, 包括轴、滚动轴承、滑动轴承、联轴器和离合器几部分常用的轴系零部件。广泛收集了常用轴系零部件的实用设计数据, 包括截止到2008年的最新国家标准及各种现行的设计标准, 因此使用本书可以不必翻阅大量的手册及图册, 即能解决轴系零部件的设计方法及数据速查。书中结合各种轴系零部件的工程设计实例, 详细叙述了各种轴系零部件的设计方法, 并结合设计实例说明如何进行数据速查。

B5开平装本, 定价39.00元。

《金属切削刀具设计手册》

全书共16章, 介绍了刀具的共同问题:刀具几何参数的定义和刀具材料;普通刀具部分介绍了车刀、孔加工刀具、铣刀和螺纹刀具;复杂刀具部分介绍了拉刀、数控刀具、齿轮刀具和加工非渐开线齿形工件的刀具。对常用的标准刀具, 扼要地介绍了刀具的结构特点和设计方法。对非标准刀具和一些参考资料中叙述较少的先进高效刀具, 则较详细地介绍了其设计方法。书中除附有大量的图表、数据、标准资料、部分刀具合理正确使用的经验资料和技术要求外, 对不少刀具列有详细的设计步骤, 并附有设计示例和工作图。书末附有刀具夹持部分的结构和尺寸, 作为设计时参考。

16开精装本, 定价168.00元。

《金属加工史话》

本书以《金属加工》 (原名《机械工人》) 杂志自1950年创刊以来的记载为主线, 重温了60年来新中国机械行业的若干重要事件、著名人物以及历史片断, 着重叙述了从“一五”到“十一五”的各个历史时期杂志推广和交流的大量新技术、新工艺, 回顾了倪志福等一大批全国著名劳模及其生产实践经验, 同时, 展示了杂志在行业发展中作出的贡献以及杂志发展历程。本书可说是新中国机械制造技术的简史, 可供机械制造业的工程技术人员、企业管理人员阅读, 也可供机械专业大中专科学校师生参考。

16开平装本, 定价38.00元。

《英汉汉英机电词典》

本词典收词有英汉、汉英两部分, 前者按英文字母排序, 后者按词义分类排序, 后者按词义分类排序, 共分为20个大类, 127个小类, 总收词6.6万余条。内容涉及机、电、仪领域, 包括设计、工艺及设备、产品、备件、材料、管理、检测、自动控制、专用机等。

本词典是供科技人员、译员、大专院校师生使用的工具书。

大32开平装本, 定价88.00元。

《传动件设计与实用数据速查》

全书共四章, 包括带传动、齿轮传动、蜗杆传动和链传动四种常用传动件。详细收集了传动件的实用设计数据及最新国家标准, 因此使用本书可以不必翻阅大量的手册及图册即能解决常用传动件的设计方法及数据速查问题。同时结合工程设计实例, 详细叙述了各种传动件设计方法的全过程及数据速查的方法, 并就计算结果提供了详细的零件生产图样。

B5开平装本, 定价33.00元。

《机械制造工艺装备件热处理技术》

本书系统地介绍了机械制造工艺装备件——工、模、量、夹具的现代热处理应用技术。

内容包括:机械制造工艺装备件的热处理工艺基础、刃具的热处理、模具的热处理、量具的热处理、夹具的热处理及其他工具的热处理。

B5开平装本, 定价38.00元。

《现代零部件》合订本2004、2005、2006、2007、2008、2009、2010年均为180.00元。

银行汇款

开户行:中国工商行北京百万庄支行

帐号:0200001409014473834

开户名:机械工业信息研究院

(在附言处, 必须注明《现代零部件》杂志社的书款或刊款) 邮局汇款

地址:北京市西城区百万庄大街22号《现代零部件》杂志社

邮编:100037

电话: (010) 88379793转709

传真: (010) 68326910

联系人:娄萍政