网络推荐十篇

网络推荐 篇1

网络作为21世纪人们互动的平台，给予人类另外一个包含大量资源的世界。人们可以方便快捷地获取所要的资源。早期的社交网络，主要是指web1.0的社区，主要是由论坛，聊天室等形式组成，这一时期的社交网络系统单一，规模也不大。出现web2.0社区之后，逐渐出现了社交网站，社交网站拥有web2.0的特点，并且希望能够为用户提供一种类似真是社会交流的网络服务平台。

社交网络如今已经拥有着成千上百万个用户，并且占据着一些用户生活的不小的一部分。在美国Facebook被很多民众使用，在日本，Mixi被人们熟知，在中国，新浪微博，腾讯qq，微信等几乎被所有网民知晓。

社交网络使得网络与人的关系更加紧密，但同时也产生了大量的数据，这些数据的产生不仅给互联网公司造成了烦恼，更使得用户面对海量的数据信息不知作何选择。现今的社交网络，通过分析用户的行为为用户选择他们所感兴趣的资源，从而有效地保持网站用户量并且获得更多的用户，能够促进产品的开发以及企业更好的运营，让公司更好的发展。因此我们需要一种或多种有效的推荐算法来更好地更为准确地达到这种效果。

2 社交网络推荐系统概念

2.1 社交网络

SNS是social network service的缩写，翻译为社会性网络服务，是为了帮助人们建立一种全球化社会化的网络服务，SNS网站就是运用这一社会性网络服务的社交网站。社交网络即social network就是由这类网站建立起来的网络。

2003年，在线社交网络首次被提出，但是2006年才开始出现SNS比较完整的定义。

社交网络的核心在于用户之间的联系，其理论主要源于“六度分隔理论”。

该理论阐述，任何两个陌生人之间可以通过六个人就可以有所联系，通过这一理论，任何人的社交网络圈子都会继续扩张，形成一个关联全部人员的“社会化网络”。

2.2 推荐系统

推荐系统最初的研究是在其他领域中，例如认知科学,信息检索等。由于互联网以及电子商务的快速发展，推荐系统逐渐成为互联网领域中的重要研究对象。

推荐系统是利用一些可行的推荐方法向用户推荐候选对象的一种系统。用户可以主动向推荐系统提供他们的偏好或者请求，或者通过推荐系统来发现用户的隐式需求，由推荐系统来采集用户的偏好，然后将推荐信息给用户使用。推荐系统的模型图如图1所示：

推荐系统形式定义为：设S是所有要研究的用户对象集合，C是所有能够被推荐给该用户的那些对象的集合。C中的特定对象c相对于用户s的推荐度大小我们用函数f()表示，其中f:S*C→R,R是一定范围中的非负数，那么我们的推荐问题就是寻找能够使得R最大的对象C*，如式(1):

推荐系统中偏好获取的方式有如下两点：

显式获取：

通过网络中的问卷调查等相关反馈，让用户选取自己的喜好对象，从调研中发现用户的偏好行为。然而这一获取方式并非十分有效，因为大多数用户会由于各种原因而不会积极参与到调研之中，从而使得数据的准确性收到干扰。显示获取中主要要求用户对各种对象进行评分或评论，最好能够提出自己的建议。

隐式获取:

隐式获取不需要用户的主动参与，通过用户以往的行为来判断用户将来可能的操作，这一获取方式能够更好地得出结果，一般来说，隐式获取主要研究用户的浏览记录或者反复性的行为操作等。本研究中将用到的获取用户偏好的方法就是隐式获取的方式。

3 推荐系统算法

推荐系统算法，即通过分析已有对象的行为或者属性，利用一些数学上的算法来得出更可能满足该对象需求或者与该对象更加相似的对象。此类算法很多，不同的算法分析多种多样，得到的结果也不尽相同，以下简单介绍一些相关的算法。

3.1 协同过滤算法

协同过滤算法被人们研究的比较深入，此算法也经常被应用到推荐系统中，协同过滤算法通过分析用户兴趣，在用户中找到与目标用户有相似兴趣的用户，通过这些用户对某一信息的相似评价来达到对这一信息的预测。此类算法可以细分为以下几种：

3.1.1 基于用户相似算法(user similarity)

基于用户相似算法的目的是为了通过对很多其他用户的喜好进行搜集评价来对某些用户自动进行预测。尤其是通过对那些与目标用户相似性程度高的用户进行喜好搜集。

用rua表示用户u对某一属性a的评分，并且让Tu表示用户u属性的集合，那么对于用户u给属性a的平均评分为：

根据协同过滤，预测用户u对属性a的评分r为：

其中Uu表示最相似于用户u的用户集合，suv表示用户u和用户v之间的相似度，是一个正态因子。如果只知道一些个体用户的属性集合，这时候我们不是明确的评估，而是主要预测将来最可能被用户偏好的属性集合。这样一来，上式可由式(4)替代：=∑(4)

其中qua表示用户u的属性a的推荐分数，pva是用户属性的二分网络的一个邻接矩阵的一元(如果用户v搜集了属性a,pva=1，否则pva=0)。

上述式子中，只有与用户u最相似的用户才会被考虑在内。为了保证Uu，邻居选择策略经常被应用在：1)相关阈值,它基于选择所有用户v，他们的相似度suv超过一个给定的阈值；2)矩阵中最大化数目的邻居包括选择k个最相似于用户u的用户，这里k是算法的一个参数。这种选择最接近用户的计算通常会导致更好的结果。

3.1.2 基于项相似算法(item similarity)

这里我们暂且把项理解为属性，我们用属性-属性相似度替代用户-用户相似度，最简单的方式就是用平均加权的方式估算未知的排序优先权：

其中T是被用户u评估的属性的集合。

这个算法的一个优点就是其属性之间的相似度相比于用户之间更加趋与静态化，这样就允许它们之间的值可以在线下的时候也能够用于计算。

3.1.3 slope-one算法

slope-one算法最简单的表达式为f(x)=x+b,其中b是一个常量，x是变量表示评分。它除去属性的平均评分，然后比较一个属性(item)比另外一个属性的相似度多多少。例如，考虑一种情况，当用户i给属性a评分为1，给属性b分数为1.5，而用户j给属性a 2分。slope-one算法就预测用户j将对属性b评分分为2+(1.5-1)=2.5。

slope-one算法既考虑其他用户对同一属性的评价相关信息，也考虑了此用户对其他属性的评价。特殊情况下，只有已经评价了那些与目标用户相同的属性的用户以及目标用户已经进行了评估的属性是我们包含在我们要预测所要用到的过程中的。用W(a,b)表示那些已经对属性a和b进行评估的用户集合，属性b与a之间的平均偏差表示为：

给定一个一直的评级r,slope-one预测u在属性b上的评估为rua+devba,一个合理的整体预测就是他们的平均值:

其中S是已经被u评价过的并且和属性b同时被评价的属性的集合。要注意预测时候，不管此时有多少用户同时评价过a和b，要保证不同的属性a都有相同的加权。考虑到devab的可信度依赖于|W(a,b)|，我们可以引进一个加权过得slope-one算法：

另外一个对基础slope-one算法的改进的方法是通过一个给定用户将所有属性的集合分割为偏好属性和非偏好属性两个集合。从这些偏好属性和非偏好属性中，两个分开的预测相结合而派生出一个最终的预测。用W+(a,b)和W-(a,b)分别表示用户的偏好属性和非偏好属性，我们先认为这两个集合中都有属性a,b。那么偏好属性与非偏好属性之间的偏差为：

那么基于属性a的评分而对属性b上的预测是rja+dev+ba或是rja+devba，具体选择取决于目标用户是否偏好属性a，那么我们就有二维slope-one算法：

公式中的加权的选择与上一slope-one类似。

以上论述也表明了，slope-one算法可以超越线性回归的方式（比如评估表达式为f(x)=ax+b）并且计算所有变量的一半。这种简单的接近预测同样也减少了我们的存储空间以及我们运算的复杂度。slope-one算法已经成为一种其他算法改进的借鉴，能够更好地提高预测准确度。

3.2 聚类

聚类算法通过一定的评分方式将用户聚类，然后对每个类进行进一步分析计算。通过相似度进行聚类的算法最为常见。聚类算法的用途很广泛，比如商业上，可以利用不同的聚类方法将消费者划分为不同的消费群体，从而更加能够了解到消费者的行为模式，帮助商家更好地盈利。

3.3 基于内容的推荐

这类算法主要用于信息检索方面，通过用户已有的搜索记录来预知用户即将可能浏览的页面。基于内容的推荐，主要注重文本的相似度，比如网络中大部分搜索引擎就是根据这一算法搜索到页面。

基于内容的推荐算法，简单来讲就是通过用户a对某一物品s1的评价u(a,s1)来估计该用户对于某一与s1相似的物品s2的评价u(a,s2)。例如，在网站推荐中，我们目的是要推荐某一网站给用户a，那么基于内容的推荐算法就试图在该用户对以往网站评价高的网站中分析出它们的相同之处（比如某些类似的应用，网站页面设计等）。那些和该用户偏好相同的网站将被推荐给该用户。

更加形式化说明该算法，假定cons(a)表示物品a的一系列特征，这些特征可以用来确定该物品是否能够得到推荐。前面已经讲到，基于内容的推荐算法经常运用在信息检索也就是文本查询方面。设词ri在文档dj中的权重为wij，这一权重可以有多种定义方法。

信息检索里，一个比较常用的用来确定词语权重的指标为TF-IDF。TF-IDF定义为：设n是可以被推荐的文档的总和，词ri在文档dj中出现的次数为fij。则有ri在文档dj中的词频为：

其中maxkfkj是所有关键词rk出现在fkj中的最大值。

同时有ri在该文档中的倒文档频率定义为：

ri在文档中的TF-IDF的权重为：

文档内容为：

用liked(c）表示包含用户偏好的集合。可以定义它为向量(wc1,wc2,...,wck)，每一个wci表示ri对用户c的重要程度。

在基于内容的推荐算法中，定义效用函数u(c,s)为:

3.4 其他推荐算法

当然还有其他各种类型的推荐算法，或者各种算法相组合而得到的算法。这些推荐算法的研究，让我们对推荐系统更为深入地了解。不同的研究论题，可能只有以上一种或者几种算法才合适，在我们进行研究的时候要尤其注意算法的选择。

4 结束语

经过近几年互联网的发展积累，社交网络逐渐成为互联网的主要应用之一。社交网络的各个功能也在逐渐完善化，细分化，社交网络也逐渐成为新闻传播的重要方式，让人们在其中进行即时的互动，通过调查发现，越来越多的用户倾向于从社交网站中掌握新闻动态。

推荐系统作为社交网络的重要组成部分，至今为止，对它的研究还没有特别深入，还有很多可以挖掘的地方，比如推荐算法的选择与改进，研究时候对于数据集合的选取与分析等等。从阅读过的多篇文献中发现，推荐算法已经有不少人在研究而且得到有效的运用，这便给我们研究社交网络推荐系统的推荐算法提供了很好的理论基础。相信今后会有更多有关社交网络推荐系统的新发现，我们拭目以待。

参考文献

[1]丁华俊.SNS发展探析[J].中国证券期货,2011(4):170-171.

[2]蒋翀,费洪晓.个性化推荐系统中的混合用户偏好获取[J].计算机系统应用,2010,19(10):203-206.

[3]吴俊杰,刘耀军,赵月爱.基于用户行为的网站推荐系统模型[J].山西电子技术,2011(6):66-67.

[4]郑佳佳.社交网络中基于图排序的好友推荐机制研究与实现[D].杭州:浙江大学,2011.

网络推荐 篇2

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.

社会网络相关书籍推荐 篇3

综述

凯文·凯利的《失控》。 KK说：“大家似乎都想知道明天的天气，却对我们即将进入什么季节不感兴趣。”如果你只是想赚钱，你可以不读此书；如果你想建立不朽的事业，一定要认真读《失控》。虽然此书因为涉猎太多领域，对大多数人而言有点难懂，但想把握未来者必读。

《科学》杂志编辑菲利普·鲍尔著《预知社会—群体行为的内在法则》。英文原名是Critical Mass，直译为临界质量，在复杂性科学中指临界数量。当个体数量达到临界点后，群体行为不再是个体行为的简单加总，而具有更高级的秩序和行为规律，被称为涌现。此书是对群体行为科学的系统而完整的介绍。

社会心理

托马斯·布拉斯著《电醒人心—20世纪最伟大的心理学家米尔格拉姆人生传奇》。米氏设计了权威服从实验，证明那些无法言传的社会规则和标准，对我们行为产生的影响远远超预期。那些对自我角色毫无异议的普通人，会成为可怕的破坏性行为的媒介。他也是六度理论、城市心理学和西哈诺现象的提出者。

《情商》作者丹尼尔·戈尔曼的《社交商》。此书是对大量的认知科学最前沿的研究成果加以汇总得出的系统性结论，揭示了人这种社会动物的“运行规律”。社交商的高低比情商更能决定一个人的命运。

部落文化

人类学家罗宾·邓巴教授的《你需要多少朋友》。大名鼎鼎的邓巴数——能保证内部充分有效沟通的人类群体最大不超过150人——即是此人的研究成果。本书是对这方面研究的全面描述，包括：社交需求塑造了我们超大的脑，因此可以说，社交创造了人本身；女性是社会关系的主要维系者，天生对社会关系敏感……

史蒂文·约翰逊的《坏事变好事：大众文化让我们变得更聪明》。看电视和玩游戏一直被诟病为浪费时间。而约翰逊告诉我们，人们唯恐避之不及的“垃圾”文化其实正使人类变得更聪明。

理解用户

马丁·林斯特龙的《买》。以最新脑科学研究手段，研究用户消费行为背后无法表达的心理活动，推翻了大量我们在产品和市场上的偏见，是对传统营销理念的颠覆。“我们的非理性思维、传统之中的文化偏见、教育经历，以及其他许多潜意识的因素，形成了一种强大却隐蔽的力量，影响着我们的决定”。

纽约大学心理学教授盖瑞·马库斯的《乱乱脑》。大脑并不是一个被优雅地设计出来的完美器官，而是各种系统在进化过程中不断叠加，以求能解决当前问题的应急产品—Kluge。进化的目的不是使我们达到完美，而是在有限资源的环境下生存下来。理解我们的缺点，理解进化的法则，都是理解我们自己！

商业策略

杰弗里·摩尔著《跨越鸿沟》（Crossing the Chasm）。此书是高科技营销领域的圣经，科技创业者不可不读的经典！作者提出了“技术采用生命周期”理论，阐释了创新性产品的最大挑战—必须跨越向大众市场过渡时的鸿沟，揭示了创新者的两难处境：让用户以最小的行为改变接受技术上的颠覆性创新。

网络推荐 篇4

网络新闻营销

将企业新闻、商业软文等以新闻形式出现在各大门户网站（如：网易、新浪、人民网、雅虎、腾讯、新华网、搜狐、MSN中文网、TOM、中青网、千龙网、央视网、凤凰网、21CN、奇虎网、中国网）、行业站等。国内专业做新闻营销的网站是美基营销，美基营销可以让新闻在搜索引擎中排名靠前，大大增加了品牌曝光率、权威性。

搜索引擎营销

将企业名称、产品名、项目名称、关键词等在百度的排名靠前，美基营销承诺，当用户查找你的信息时能看到你的介绍、联系方式、正面信息等。

口碑营销

论坛营销、微博营销、SNS营销，将品牌信息通过各种社交网站传播。

网络广告投放

百度竞价、展示广告、网站联盟等，这些方法由于产品本身属性的原因，效果一般。

注：做网络推广、网络营销可直接联系美基营销在线工作人员，百度搜索美基营销，进入官方网站后找到工作人员联系电话等便可咨询相关问题。

网络时代下的图书馆图书推荐模式 篇5

1 高校图书馆的读者类型

高校图书馆作为高校教学辅助的主要场所, 拥有多个层次的读者类型。从读者对图书资料的需求形势来划分, 主要有教师和学生及行政教辅读者三个层次, 他们的阅读倾向有明显的区别。

1.1 教师的阅读倾向

在高校, 教师承担着繁重的教学和科研任务, 是学校教学和科研的主体, 这类读者在选用图书馆的文献资料时, 具有较强的专业性和选择性, 他们的目标明确, 需求也相对稳定。

因为有着大量的教学任务和科研项目, 因此他们需求的图书大都集中在本专业范畴, 和最新最权威的图书上, 对其他读书涉及较少, 有着明显的针对性。

1.2 学生的阅读倾向

相对于教师读者来说, 学生读者群体对图书的需求要复杂得多。这是跟学生自身的特点来决定的。一般来说, 一、二年级新生以教学辅导图书和文学图书为主;三年级学生以各种英语计算机类认证考试图书为主;四年级学生就是以就业为指导, 公务员考试和毕业辅导类图书为首选;研究生学生群体主要针对的是研究级图书及大量细分专业的图书, 有阅读量大, 专业性强的特点。因此根据学生群体的不同, 区分对待很重要。

1.3 行政教辅类读者的倾向

在教师和学生群体之外, 行政人员、教学辅助人员、后勤等机构的人员的图书阅读量也是很大的。他们的特点呈两个方面倾向, 一部分阅读从相关工作出发, 以文书写作、职称辅导图书为主;另一部分则主要以休闲类图书为主。

2 高校图书馆图书推荐的现状

高校图书馆一直以来都把文献资源的最大利用化作为自己读者服务工作的检验标准, 但是受到网络化、信息化的冲击, 图书的利用率呈现出逐年下降的趋势。究其原因很大部分在于图书推荐的模式问题。

(1) 方法单一、传统, 不能跟上时代。大部分的高校图书馆主要是以纸制布告栏的形式张贴近一时期的好书推荐。虽然较为醒目直观, 但是缺乏新颖性, 不能引起以猎奇为特点的学生读者的兴趣。

(2) 内容单调、与读者脱节, 不能引起读者共鸣。高校图书馆的图书推荐的内容, 大多以近一时期的读书借阅排行榜为依据, 或是以某个读书网站、书店销售榜为蓝图制定内容。不能很好的反应读者的真正阅读需求, 过于形式化。

(3) 涉猎范围较广、主题不鲜明, 不能起到启迪读者的作用。高校图书馆的导读所选范围以图书馆所有馆藏图书为对象, 内容较为纷繁, 主题不明, 给人印象不深刻, 对图书起不到很好的推荐作用, 不能很好的启迪读者的读书热情。

3 网络时代图书馆的图书推荐模式

在这个数字化时代, 图书导读工作也要跟上数字化的浪潮, 利用各种技术手段和通道, 传递品质图书的资讯, 从而让更多的目标读者知道这本书的存在, 进而推动图书的借阅量。发挥高校图书馆推荐好书, 启迪读者的作用。

3.1 网络化的荐书平台

和纸制媒体宣传相比, 数字荐书有低门槛、花钱少、效率高、无地域限制等特点, 可以说是性价比较高的荐书方式。主要有以下几种模式。

3.1.1 网站论坛广发贴

论坛bbs, 由于互动性好, 隐身性强, 可以某个主题为中心, 多人同时表达。是人们获取信息的一个重要渠道。图书馆工作人员, 可在本校学生论坛中开辟荐书专栏。就某一主题新书在论坛中自由发帖, 由学生网友顶帖, 发表自己的读书感受。如果读者对图书有兴趣, 可以与管理员或版主取得联系, 借阅或预约该图书。

3.1.2 博客地盘听我的

博客是个人门户, 与论坛相比, 博主更有主动权。图书馆工作人员可以建立专业的荐书博客, 定期书写者博文。内容可以是书讯、摘登或连载, 或是书评, 或是新书到馆消息等, 类型题材多种多样。同时还可以超级链接知名的读书网站, 或是建立专门的新书微博, 让读者随时随刻可以获得最新的图书信息。

3.1.3 QQ群作用大

QQ已经日益成为广大读者离不开的荐书渠道。图书馆工作人员可以尽量多地加入学校内各种团体的qq群, 根据不同的qq群, 可以宣传相同的图书, 也可以有针对性地宣传不同的图书。发布图书公告时, 要贴近群中成员的需求, 有针对性的进行图书导读。

3.2 网络化的荐书模式

网络时代的荐书形式应该是多种多样, 丰富多彩的。内容的投放可以采取纸制形式的, 也可以是图片形式, 以或是多媒体的方式。

3.2.1 纸制宣传板的推荐模式

纸制化的宣传模板仍是很多图书馆还常用的荐书模式。图书馆可以不断地丰富宣传模板的形式, 如对内容的彩色喷绘, 增加大量的图片, 做成人形或是动物形的荐书板。都可以起到吸引读者的作用。

3.2.2 无处不在的推荐空间

图书馆应该多方位、多角度的利用自己可以利用的一切地方发布图书信息。比如网页的一角、架标的一侧、以或是书签的一面都可以印制色彩鲜艳的图书信息。不断以新形势、新媒介打动学生, 激发读者的读书热情。

3.2.3 形式多样的推荐主题

图书馆的作用在于利用自己的一切资源为读者服务。负责读者服务的工作正是要好好地在这上面做文章。针对不同的目标读者, 不同时期的阅读需求, 制订出有目的性的主题来, 通过网页宣传, 纸制宣传板宣传, 专题图书阅览室布展等全方位的突出该主题, 从而吸引读者的阅读兴趣。

总之、网络时代的到来, 给图书馆荐书活动提供了广大的发展空间。图书馆人员就是要抓住这个好的网络载体, 针对自己的目标读者, 发动全方位的攻势。通过读者喜爱、利用频繁的发布渠道, 把图书馆最新的图书信息、最好的图书内容传递给读者。以便更好的引导广大高校读者多读书、读好书。

参考文献

[1]普通高等学校图书馆规程 (修订) [EB/OL].[201 0-01-20].http://law.bai du.com/pages/chinalawinfo/4/3/21321b6695398a322eb9aa12338963ad_0.h t m l.

[2]余训培.网络阅读指导研究/中国阅读文化史论[M].北京:北京图书馆出版社, 2007:294.

网络推荐 篇6

随着电子商务的发展和大数据时代的到来，如何有效利用用户的购买记录和评分数据等相关信息来向用户推荐其可能感兴趣的商品，是目前解决信息过载严重、提高电商个性化服务水平的有效途径。协同过滤推荐技术是最成功的推荐技术之一[1,2,3]，著名的电子商务网站，如亚马逊和CD–NOW等，在向客户推荐产品时都应用了协同过滤技术，它改善了服务的质量和效率。

协同过滤是基于这样一个假设，找到一个特定用户感兴趣的内容是在找到与他志趣相投的人的结果之上。该方法通过分析用户的历史数据来计算用户之间的相似度，生成与目标用户行为兴趣最相近的最近邻集合，根据最近邻对产品的评分预测目标用户对这些产品的评分，将评分最高的前N项产品推荐给目标用户[4,5]。从协同过滤推荐的流程来看，用户评分数据对相似性计算起决定性作用，但在大型电子商务系统中，用户评分过的项目一般不会超过系统项目总数的1%[6]，造成用户-项目评分矩阵的稀疏性问题，从而影响了推荐系统的推荐质量和性能。

很多时候单纯通过用户对项目的评分来判断用户间是否存在共同兴趣具有一定的片面性[7]。例如用户A、B虽然对项目I的评分相同，但两者评价的侧重点不同，A可能偏重项目I的功能属性，而B可能偏重项目I的外观属性。基于此，本文提出了一种基于项目特征属性和BP神经网络相结合的协同过滤推荐算法，首先将用户-项目评分映射为用户对项目的特征属性偏好，然后采用BP神经网络模型来预测用户对项目的评分，从而减少用户-项目矩阵的数据稀疏性，提高推荐的质量。

1 用户偏好模型

用户偏好模型反映了用户对项目特征属性的偏好程度，可以从项目特征属性矩阵和用户偏好两个方面来构建用户偏好模型。

1.1 项目特征属性矩阵

每个项目均有各自的属性特征，如服装有款式、风格、领子、袖子等多个属性，用户对项目的喜好往往通过项目特征属性表现出来，如用户A偏好运动型、百搭、圆领的短袖。所有项目的特征属性矩阵可表示如下:

pi k表示项目i的特征属性，其中:

n表示项目特征属性的个数，一般比较固定，m表示项目总数。当新增项目时，可以向Pm×n中添加一条记录。

1.2 用户特征属性偏好模型

用户u对项目特征属性的偏好可以用矩阵Hu=[h1,h2，…，ht]表示，hi的取值范围为[0,1],1为最喜欢，0为最不喜欢。用户u对第i个特征属性的偏好hui定义为:

其中，m表示用户评价过的所有项目数，n表示具有第i个特征向量的用户评价过的项目数(n≤m),Ij表示用户u对项目的评分。因此用户u对所有项目的特征属性偏好模型yu可定义为:

上式公式表明项目所具有的特征属性决定了用户对其的喜好程度。上述函数所描述的用户特征属性偏好模型，其函数关系是很复杂的，随着项目和用户评分数据的不断增加，如何不断地修正用户偏好模型，以便更准确地得到用户对项目的评分，本文采用BP神经网络工具来模拟用户偏好模型。

2 BP神经网络模型

2.1 BP神经网络

BP神经网络是一种多层前馈型神经网络，包括输入层、隐含层和输出层，其中隐含层可以有多个，一般采用三层网络结构。BP神经网络的主要思想是通过对输入学习样本的正向传播，得到期望输出与实际输出的误差，然后使用反向传播算法根据误差的大小对网络的权值和阈值进行调整，经过反复的调整和训练使得实际输出越来越逼近期望值，当误差达到可容忍范围内时，停止训练，并保存此时的网络权值和阈值[8,9]。

BP算法是一种梯度下降算法，其中的网络权值沿均方误差函数的负梯度转移[10,11]。输入向量和相应的目标向量用于训练网络，直至达到满意的误差。经过训练的BP神经网络有能力推广，也就是说，一旦经过训练处理，该系统能够处理以前看不见的样本数据，并产生一个可以接受的结果。

假设yl(t)是神经网络的预期输出，用MSE代表实际输出与期望输出的误差，可以通过如下公式进行计算:

2.2 用户特征属性偏好模型训练

本文使用三层BP神经网络来训练用户特征属性偏好模型，如图1所示。

图1中，BP神经网络的输入因子为产品的特征向量，输出因子为用户对产品的评分。对于待推荐产品，在提取其产品特征后，将产品特征向量作为输入，经过训练好的用户偏好模型，可以得到用户对该产品的评分。

由于BP神经网络的输入变量为产品的特征向量，隐层神经元表征为用户对特征属性的偏好程度，因此输入层神经元和隐层神经元的相同，都等于产品特征向量维数。

3 产生推荐

通过使用BP神经网络技术可以填补用户项目评分矩阵中空缺的数值，从而降低矩阵的稀疏度，然后应用基于用户的协同过滤推荐算法，产生一个目标用户的预测。

3.1 用户评分相似性度量

目前，已经有很多个相似性测量方法应用在协同过滤推荐系统中，如Pearson相关相似性度量、余弦相似性度量、调整的余弦相似性度量等[12,13]，本文使用余弦相似性度量方法来计算用户之间的相似性。

余弦相似性度量方法，把两个评分向量看作夹角来进行相似性测量，公式如下:

其中，Ri,k是用户i对项目k的评分数值;n是用户之间共同评分的项目数量。

3.2 选取最近邻居

产生推荐选择给定目标用户的邻居将作为推荐人。本文采用Top N技术，设置阈值来选取最近邻居的数目。

在获得目标用户的最近邻居集合之后，可以计算最近邻居集合中用户的加权平均来对目标用户进行未评分项目预测。

目标用户u对目标项目t用如下算式进行预测:

其中，Au是目标用户u对所有评分项目的平均分;Rit是用户i对项目t的评分数值;Am是邻居用户m对所有评分项目的平均分;sim(u,i)是目标用户u和邻居用户i之间的相似性数值;c是目标用户最近邻居的个数。

基于BP神经网络的协同过滤算法描述如下:

(1)选择将要评分的空项I。

(2)设置项I的特征属性值。

(3)设定输入层、输出层和隐层，并初始化。

(4)使用BP神经网络预测空项值。

(5)判定学习精度是否收敛到最小值:是，转步骤(7)，否，转步骤(6)。

(6)判定迭代步数是否超过规定的步数:是，转步骤(7);否，转步骤(4)。

(7)按照余弦相似性度量方法求Ui的Top-N个最近邻居集。

4 实验结果及分析

4.1 数据集

数据集合使用MovieLens，该数据集是由GroupLens研究项目组在明尼苏达大学开发出来[9,10]。历史数据包括943个用户对1682部电影的100,000评分数目。其中，每个用户至少对20部电影进行评分。MovieLens数据集的评分等级是五级制。其中，数值1和2表示用户对电影是负评价，数值4和5表示用户对电影是推荐评价，数值3表示中性评价。

Movielens数据库中电影的特征属性有18个，因此神经网络输入层神经元个数设定为18个，设定一个隐层并且隐层神经元个数设定为18个，输出层神经元设为1个。

4.2 度量方法

协同过滤推荐系统评价标准可以分为三大类:预测精确度度量、分类精确度度量和等级精确度度量[14,15]。本文使用预测精确度度量中的平均绝对偏差MAE(mean absolute error)和分类精确度度量中的接收器操作特性ROC(receiver operation characteristic)敏感度对算法进行评价。

平均绝对误差MAE(mean absolute error)是目前使用最广泛的评价指标，MAE通过计算预测的用户评分与实际用户的评分偏差评价预测的准确性。MAE越小，推荐质量越高。

所谓ROC敏感度是指随机选择的“好”的项在推荐系统列表中的比例。ROC敏感度值范围是0～1，值越大表明推荐系统性能越好。

以上公式中，pi表示预测的用户评分，qi表示对应的用户实际评分。

4.3 实验结果

把MovieLens按照5/1的比例划分为训练集/测试集，使用MAE和ROC两个度量标准，将本文所提出的BP-Based CF算法与传统的基于余弦法、基于修正余弦法寻找最近邻的协同过滤算法作比较，当邻居个数从5个增至40个时，分别得到图2-3所示的比较图。

从图2-3可以看出，BP-Based CF算法均有较好的性能。

5 结束语

协同过滤是推荐系统中最成功的技术之一，并广泛应用于许多个性化推荐领域，如电子商务，数字图书馆等。然而，大多数协同过滤算法存在数据集稀疏性问题，从而导致不准确的推荐。本文主要针对协同过滤算法中数据的极端稀疏性对推荐质量的影响，提出了一种基于项目特征属性和BP神经网络相结合的协同过滤推荐算法，该算法基于产品特征建立了用户偏好模型，采用神经网络训练得到具体的用户偏好模型并进行项目评分预测，从而降低用户评分矩阵的稀疏度。实验结果表明，本文提出的算法可以产生比传统方法更准确的推荐。

摘要：针对协同过滤推荐中存在的数据稀疏性问题,文中提出了一种基于项目特征属性和BP神经网络相结合的协同过滤推荐算法,并通过Movielens数据集验证了该模型的有效性。此方法首先将用户评分数据映射为用户对项目特征属性的偏好,然后使用BP神经网络训练得到目标用户的特征属性偏好模型并对新项目的评分进行预测,从而降低用户项目评分矩阵的数据稀疏性,最后使用协同过滤推荐算法,形成最近邻并生成推荐建议。

网络管理员职责参考推荐 篇7

2、负责公司应用软件、硬件的维护及办公软件的安装、调试、维护、升级;

3、负责公司内部局域网的管理，保证网络及信息化应用系统正常运转;

4、负责公司安全维护和内外网络系统维护，如深信服、路由器，防火墙的设置等;

5、日常病毒防治、网络的监控和维护，数据备份和恢复、提高公司网络运营维护水平，降低硬件故障率，缩短故障历时;

6、熟悉常用电脑硬件配置，Windows系统的安装维护，综合布线;

7、维护公司内部Windows服务器软件及硬件，熟悉邮件、域、文件服务器设置;

8、监控、硬盘录像机、门禁、考勤系统、ROS AP维护;

9、部门领导交办的其他工作。

推荐100本经典网络小说 篇8

师士传说完结方想机甲 科幻 卡徒完结方想科幻

天神下凡更新中烽火戏诸侯西方奇幻 穿入聊斋连载中南朝陈古典仙侠老子是癞蛤蟆完结烽火戏诸侯都市生活 雪中悍刀行更新中烽火戏诸侯玄幻 庆余年完结

间客完结

将夜更新中

剑道真解完结

我的老婆是军阀更新中

股神来了更新中

极品明君更新中

材料为王更新中

殖装更新中

垄断异界更新中

绑架全人类更新中

地球游戏场更新中

地球上最后一个修道者 更新中

变异杀机更新中

召唤万岁更新中

盗梦宗师更新中

国士无双更新中

长生不死完本

美女凶猛完结

舵爷更新中

旱魃日记更新中

贩罪更新中

天才相师更新中

通天大圣更新中

独闯天涯完结

网游之书生传奇太监

高手寂寞完结

读心高手在都市更新中

惊仙完结

情与血完结

兰帝魅晨系列之饮完结

重生之官道完结

奋斗在新明朝更新中

悟空传第二部更新中

诛仙二停更猫腻猫腻猫腻滚开录事参军丰言晴了急冻人铅笔刀大巫师小雨清新吉风冰珺子赤虎霞飞双颊国王陛下骁骑校观棋蓝之颜端午正阳月下美人三天两觉打眼蛇吞鲸蝴蝶蓝期待兰帝魅晨兰帝魅晨兰帝魅晨兰帝魅晨兰帝魅晨录事参军随轻风去长川萧鼎东方玄幻东方玄幻 机甲东方玄幻异术超能清史民国 穿越都市历史 两宋都市重生古武机甲异界 穿越时空穿梭末世科幻现代修真科幻 进化变异 异界 召唤 宠物奇幻历史穿越奇幻修真都市职场都市生活灵异东方玄幻异术超能都市生活奇幻修真虚拟网游虚拟网游虚拟网游异术超能异界大陆都市异能游戏生涯重生官场历史古典仙侠古典仙侠

书名状态作者分类 莫问天完结蘑菇东方玄幻 佛本是道完结梦入神机仙侠 亵渎完结烟雨江南西幻

专业的网站，称职的小说推荐者，本站仅提供小说推荐目录，不提供小说内容的阅读。每天定时为您推荐可读可品的经典好小说。

更多小说推荐请关注

网络推荐 篇9

郧西县教育局

两年来，我们在市教育局的直接领导与支持下，以网络为支撑，实现教师教育跨越式发展，效果初显。我们的作法是：

一、以信息技术培训为抓手，为教师网络学习热身 新时期的教师不只是传道、授业、解惑，更重要的是培养学生各种技能、创新能力、创造能力和发展学生高级思维能力。这就需要培养与时俱进、高素质的教师。2000年以来，除其他常规性的教师培训外，用了3年时间对教师重点进行信息技术全员初级培训，又用6年时间对所有在职教师和新教师进行信息技术高级培训，对信息技术能力好的学科教师进行英特尔未来教育核心课程培训，2008年教育局给全县教师定制一套信息技术培训标准，把信息技术作为教师校本培训的一项必学内容常抓不懈，每年都要进行一次考试考核。经过多年的努力，信息技术水平和网络信息搜集、综合能力和教师利用各种技术进行学科教学整合能力都得到了整体和全面的提高。网上培训、学习的条件已基本达到初浅要求。

二、以网络互通为抓手，为教师提供良好的软、硬件学习环境

为了把“行动网”建成自己的网络学校、资源库和研修平台，我县筹措20多万元经费，改租了中国电信通往各乡镇的光纤网，又投入20余万元，建设了“行动网”郧西工作站、建立了“行动网”郧西主页和遍布各乡镇的“行动网”学习室60余个，去年我们还投资10多万元专门为各乡镇网络学习管理员配备了一台配置较高的专用电脑，用于开展教 师网络学习的培训和管理，确保网络畅通，实现市、县、校三级网络的互通互联。各校也加大投入，在升级学校网络学习室的基础上，还为教师配备电脑，为教师们参与网上学习、交流、研讨提供硬件保障。县一中、二中、职中、香口中心小学等单位还为每位教师配备一台笔记本电脑，县职中（县教师培训基地）还在一校三区组建无线网络，使信息资源发挥更大的效能，初步实现了学校管理与教学的信息化。槐树中心小学还想千方出百计，多渠道筹措资金为每位教师购置一台电脑，接通“行动网”，而且率先实现了“班班通”工程，把教师学习与教学紧密联系。羊尾镇富家沟、郭家两所完全小学，一次性为每位教师添置一台电脑，每台学校补助1500元；羊尾、板桥、天河、丁家湾等10余所小学争取到国家烟草局“春雨行动”计划，各添置20余台电脑，建成了高标准学习室。为保证网络畅通，他们由中心学校出面与电信支局协商，大多数学校先后都开通了电信网络。确实因偏远没有光纤的学校，通过电话线的方式也保证了网络畅通。全县还有很多教师自费买了电脑，安装了网线，自觉利用“行动网”进行学习、工作。

目前，我县18个乡镇（场、区），127所农村中小学，教师网络学习室、现代远程教育工程基本实现全覆盖，教师能自觉地在各大教师培训网络平台进行教育理念培训、新课程培训，随时随地与专家面对面的对话、交流，在一定的区域进行网络教研；教育管理、信息的流通、上传下达基本上都通过网络进行。已在《中国教师行动网》注册学习的教师3796人，他们人人建有个人工作室（个人博客），有的还建有学科教研团队。

“我行动、我成功，我学习、我快乐”已成为全县教师 一种学习的态度和工作习惯。“借鉴即学习、研究即学习、反思即学习”已成为教师们学习、工作的理念和行动。

网站开通两年多来，各乡（镇）中心学校（县直各学校）已经认识到“行动网”在推动新课程改革、支持校本研修、促进教师专业发展、构建高效课堂、提高教学质量等方面的重大作用，各学校管理干部创新工作思路，改变工作方式，加大硬件投入，确保了市、县、校三级网络的基本畅通，做到组织落实、计划落实、制度落实，精心组织教师上网学习，使教师们成为“行动网”的参与者和受益者，为实现全县教师教育工作跨越式发展迈出了坚实的一步。

三、以开展活动为抓手，在活动中提高教师能力。自从开展网络学习以来，各学校、各单位采取了得力措施，开展了丰富多彩的活动，促进了教师能力提高。夹河镇中心学校网络学习实行每月两次全镇集中定点、定机、定内容、定辅导教师培训，学校坚持每周一天的网络学习，教师利用课余时间错时上网，重奖网络学习之星，树身边典型，确保了网上学习计划的落实。马安中心学校结合“三类能人”评选活动（即过程上的精细人，课程改革的带头人，各类学科的掌门人），有效地促进了教师网络学习水平的提高。土门、夹河、景阳及河夹中心学校还大力开展网络教研，很多教师网络水平提高较快。还有很多学校他们为了提高教师网络学习与应用水平，还经常开展网络学习比武活动，如文字录入、动画设计、课件制作、博客设计等比赛，促进了教师计算机技能的快速提高。槐树今年上半年开通了“班班通”以后，教师能通过网络共享全国各地特级教师教学视频，并创造性的用到自己的课堂，把网上学习与课堂教学有机结合，有效地解决了农村学校教师年龄偏大和编制紧缺的问题。为了提高全县广大教师网络学习水平，教育局下文实施网络学习帮带政策，而且还要求50岁以下人员必须建有自己的工作室，新进教师必须在一个月内申请网络学习账号，并进行网络学习，三个月内提交自己工作室进行检查，并在博客中有三篇以上教学反思，一年内要学会制作教学设计，三年内网络学习各项指标达到全乡较高水平。目前，全县各级各类学校以网络促教学，以比武促提高良好氛围正日益形成。去年我们积极组织教师参加“中国教师行动网”举办的首届“优秀工作室”及“我与行动网”征文大赛活动，由于组织得力，教师参与积极性高，我县教师获得了骄人的成绩，以三金八银的优异成绩，位居榜首。其中“我与行动网”征文金奖、银奖全部被我县夺得，“优秀工作室”我县获一金三银的最好成绩。今年下半年，我县将再次组织优秀工作室评选活动，此项活动正在紧张进行，教师参与热情非常高。力争通过工作室的评选，使教师工作室成为我县教师专业成长的精神家园。

四、以辅导教师团队建设为抓手，确保网络学习的实效。一是突出“建”---组建辅导团队，引领教师学习辅导团队的引领作用，是网络学习的有效保障。教育局专门下发了《关于聘用教师网络学习县级辅导教师的通知》文件。公开了选聘条件，从三个层次（教研室、继教中心，一线骨干教师）自下而上推荐，然后经过考核认定，最终确认辅导教师名单，并统一颁发聘书。将辅导团队分成三个辅导小组，实行组长负责制，定时安排、制作和审定学科作业和试卷，指导组内教师开展学科辅导，完成各自承担的辅导学员的辅导任务。2009年县教育局拨专项经费近5万元，用于解决网络学习辅导经费。

二是突出“管”---制定辅导教师的管理办法和考核方 案，使管有程序，奖、惩有方案

网络辅导教师，不同于网下和课堂指导教师，辅导的不确定和虚拟性较大，很难及时、快捷、有效的管理，绝大多数辅导教师又身兼多职，更增加了管理的难度。为了有效的管理辅导团队，一是在聘任时严格把关，选择责任心强、综合素质高、能力强的教师，把辅导重担担当起来；二是加强制度建设，制定了《中国教师行动网郧西工作站网络培训辅导教师管理办法》，使辅导教师明确其职责与义务、享受的权力和待遇，用制度管人，增强他们自律意识，并完善考核方案，细化考核指标，制定考核评价标准；三是强化目标责任。教育局与辅导教师每学年都签订教师网络培训目标责任书。使辅导目标明确，责任到位。

三是突出“导”---三个层次的培训，全面引导管理员管理、学员网上学习、辅导教师辅导。

每学年初召开由主管校长带队的乡镇管理员和网点管理员培训会，通报网络学习存在的问题和全县教师网上学习情况，特别强调网络安全，并进行了管理员如何利用管理平台的业务培训，使他们会组织、督促、管理、培训；督促各网点对本辖区内的所有教师进行网络学习培训，转变培训观念，让每位教师熟悉新一轮培训的模式、学分组成、计分办法、考试考核办法等内容，教给教师注册、登陆，使广大教师会网上学习、答疑、交流、互动。定期召开网络辅导教师开展网络辅导研讨会，并对他们进行业务培训，使他们会用辅导平台“发贴、回复、在线答疑”、“发布、批改作业”、“发布、批改试卷”等功能。

四是突出“实”---辅导课程计划实，辅导月通报实，管理员周督查实，使网络培训过程实而不虚。培训是否实效，关键是过程管理。我们采取了辅导课程计划制，辅导月通报制，管理员督查制，网络学习月简报制。辅导课程计划制，就是必修课程辅导教师每年需完成两次作业设计、发布与批改，完成一次结业考试试题设计、发布与批改。具体规定了每学期作业发布、结束的时间，发布作业的具体要求；辅导月通报制，就是对辅导教师网络辅导的情况，每月汇报到教育局，教育局召开辅导教师会议，进行情况通报，让辅导教师清楚辅导任务进展情况，明确在辅导过程中应注意的问题等。管理员周督查制,发挥各校管理员后台管理优势,每周通过后台汇总本校教师学习任务完成情况,报告分管领导,要求在周例会上,对任务完成好的提出表扬,对任务完成不及时或质量不高的通报批评。各单位利用通知管理面版，加大督查力度，畅通反馈渠道。网络学习月简报制就是由教师管理科和继教中心每月编写一期简报，反馈信息、通报情况、总结经验、推广典型、鞭策后进。这些措施，都有效地规范了学员网上答题，解决了学员学习遇到的技术疑难。

总之，我县教师培训走与时俱进、不断创新和内涵式发展的道路，教师培训工作出现了一片欣欣向荣的景象。2010年继教中心被评为“湖北省中小学教师特色培训基地”，槐树林特场中心小学被评为“湖北省校本研修示范学校”。河夹镇三名教师从2007年开始连续三年在省农村远程课堂教学能力和说课展示大赛获一等奖。当问及获奖感言时，他们不约而同的说道是多年的教师培训给自己输送了“新鲜血液”，特别是网络学习、在线研修提升了他们的技能，给了他们的灵感，通过网络借他山之石，创自己的特色，才有如此骄人成绩，不然全省那么多人参赛，像郧西这样山的教师 也不会脱颖而出。马安“生本课堂”是在学习洋思、杜郎口经验和研讨“生本教育理念”基础上打造出了自己的品牌，引起了诸多媒体的关注，得到了省、市有关教育专家的重视，并派专人在研究“马安现象”。李江娥老师参加湖北省课堂实录决赛，以其完美的摄制，加之本人基本功扎实，在专家团近乎挑剔的评议中，凭借其严密精炼的叙述、声情并茂的回答、直观形象的课件荣获省农村远程教育卫星资源整合课例类一等奖。网络使教师培训上一个新台阶。

陈小娅副部长在《为未来做准备：中国基础教育的变革与创新》中说“中国地域广阔，教师众多，信息化成为教师培训的重要途径，以互联网为基础的远程学习为中国教师培训提供了有力的支持。”看来网络培训和学习不仅是提高教师素质的重要平台，它将是未来一个阶段教师培训的主流，我县一定会做实、做好，让广大教师真正受益、让我们的教育真正受益。

个人网络站的盈利模式（推荐） 篇10

现在做大型网站的都是实力派做的事情了，我做为一个草根站长没有办法去攀比，不管是精力，还是人力才力。所以就把自己定位在垃圾网站和小型网站之间，网站推广方面我是啥事情都做了，贴吧，论坛，博客，留言，反链，友情链接，当然最终目的与大家是一样的，就是盈利。

偶然的我看见一句话，对我感悟很深，网站是做给用户看的，不是做给搜索引擎看的，取之于民，用之于民。

在看结果，狗屁，一天5—10几个的流量，让人泪流满面啊，有位老兄的文章分析就更厉害了，5个我就赚50，10个我就赚100，这种神人做的事情，我平凡人是没有办法做到的。我个人不喜欢去做任何广告联盟的广告，而是实地取材。

如：我在上海网吧上班，我就去做上海网管联盟，或上海网吧联盟，在这个行业做当然了解这个行业，相对的这些都是冷门的关键字词，搜索引擎排名方面都很吃香的，大家会无缘无故的去搜索这个词吗？（打开搜索引擎，直接搜索美女，不好意思，潜意识在作怪）当然是做给同行，有需要网管知识，网吧知识的人做的。而网管、网吧、需要的不止是知识，有这个行业就有它的消耗，有它的需要，当一个路人捡到一个鼠标垫，这时他想要一台电脑，你说他还缺什么？

顺便的在网站做一个实体广告，就是销售网吧客户机，网吧服务器，（针对网吧专门配置的）。当然不是自己出售，而是帮上海专卖电脑的做的广告，然后在从中抽取多少。如：我是做QQ非主流类型的，这个词太火了，我可以做开通QQ各类业务的广告，销售Q币，或者做一个商品系列如出售QQ书包，QQ挂件，qq视频.··等等等等等....当然不是自己去做，淘宝是做什么的？联系卖这些产品的人，然后从出售中抽取。我想比广告做联盟的收入多很多。当然不是做淘宝客，不解释。

大家可能会想我这么做根本不可行，我是也这么想的，万一遇到没良心的被骗怎么办？所以自己去下载一个shop程序，网友购买后，在联系上家发货。以保万无一失，毕竟赚一点钱都不容易。

如：我是做两性网，我可以销售什么呢?啊......禁忌词句我就不打出来了，什么套啊什么药啊，说什么呢？我是那种人吗。我是男人，其他不解释。

以上就说到这里，在多我想大家也应该了解到盈利的方向了，网络结合网络，网络结合实体。

当然希望各位站长能完美的结合到自己的网站，做文章站的，你可以选择销售书类，就不要去卖什么药了。

当点击进入网站，以文章形式引导顾客去购买，不是诱导，切忌。你不反感一打开一个网站满是弹窗的吗？你不反感一打开网站就诱导你买这好·买那好的网站吗？

心态决定一切，坚持不一定胜利，但是胜利一定需要坚持。希望各位站长看到自己网站的希望，也了解自己的能力，切忌盲目。