推荐平台八篇

推荐平台 篇1

推荐系统的设计与实现也面临这样的问题, 现有的许多用户数据都是从网站日志里来获取, 而对于流量非常之大的电子商务网站来说, 数据量是非常之大的。而通常用户信息以及商品数据如果使用单机进行处理, 那是不可完成的任务。所以推荐系统中算法以及数据的存储都需要分布式框架来进行处理。目前出现的大数据处理框架当中, Hadoop毫无疑问是最流行的框架之一, HDFS分布式存储框架以及Map Redu。

2 Hadoop平台研究

Hadoop是一个分布式系统基础架构, 是一个可以更容易开发和运行处理大规模数据的软件平台。Hadoop实现了一个分布式文件系统 (Hadoop Distributed File System) , 简称HDFS。HDFS有着高容错性 (faulttolerent) 的特点, 并且设计用来部署在低廉的 (low-cost) 硬件上。而且它提供高传输率 (high throughput) 来访问应用程序的数据, 适合那些有着超大数据集 (large data set) 的应用程序。HDFS放宽了 (relax) POSIX的要求 (requirements) 这样可以流的形式访问 (streaming access) 文件系统中的数据。

HDFS是采用主从架构模式的。在HDFS中有两种节点:一个名字节点 (namenode) 和多个数据节点 (datanode) 。

名字节点负责管理文件系统的命名空间, 维护着文件系统结构树和其中的所有文件和索引目录。另外, 名字节点还记录着每个文件的每个数据块所在的数据节点的位置, 这些信息会随着每次系统启动时重新建立。客户端用户通过访问名字节点, 获得所需数据在相应的数据节点的位置来访问整个文件系统。所以用户在编程时不需要知道名字节点和数据节点及其所在位置。

3 推荐算法的混合

由于各种推荐方法都有优缺点, 所以在实际中, 组合推荐 (Hybrid Recommendation) 经常被采用。研究和应用最多的是内容推荐和协同过滤推荐的组合。

推荐问题通常转换成效用函数rec, 即物品集合I中的单个物品i对用户集U中某个特定的用户u的有用性。Rec可以表示为函数。效用指的是物品满足某种抽象目标的能力。比如推荐给用户的物品可以满足用户的需求, 或者推荐系统满足了零售商对销售业绩的指标的实现。推荐系统的选择的任务就是从产品集合I中计算出n个物品, 这n个物品对于一个被推荐的用户u来说效用要达到最大:

混合的推荐系统会推荐n个估计对于用户效用最高的物品。

4 基于Hadoop平台的混合推荐系统的设计

整个系统是基于Hadoop实现的, Hadoop是一个分布式的大数据计算系统, 主要由Mster阶段和Data Node节点构成, Master节点负责管理整个整个分布式系统包括Map Redcu任务的计算以及Hadoop分布式文件系统的元数据管理 (通常都是交由Master管理, 也可以另外设定) , 而Data Node负责存储数据以及Map任务以及Reduce任务的计算。Hadoop的工作机制和在第三章已经有相似的阐述。其他的工作模块是依赖于Hadoop来实现的, 如图5-6所示。每个模块在启动数据处理和数据访问 (获取HDFS或者HBase的数据) 的时候都首先向Master请求, 并在Master处理请求之后和Data Node进行交互。

推荐引擎内部的算法通常都是面对大数据量并且算法可以进行切分并行计算, 将算法以Map和Reduce方式进行切割, 并且设计好key和value。对于算法的相似设计会在推荐系统的实现部分根据具体算法进行描述。对Hadoop的使用通常都使用Hadoop封装好的client程序包来进行调用。由client向Master进行请求, 然后根据数据切分Map任务, 把各个Map任务分配到不同的节点上运行, 运行完之后reduce任务把相应的数据结果拉去过来继续计算。完成之后生成最终的结果。

5 结语

对于基于Hadoop的推荐系统的设计, 使用了软件设计模式的一些思想来对设计进行指导。比如使用了策略模式, 工厂模式等等。这些主要在算法的实现部分有阐述。另外整个系统是进行分层设计的。

在实现部分, 论文着重阐述了数据预处理模块的实现, 以及推荐引擎的实现, 并是运用了策略模式来实现推荐引擎的可扩展。本论文还详细描述了各个推荐引擎的实现。

论文还可以朝以下几个方面进行探索和研究:

(1) 系统的冷启动, 在这方面可以使用用户的注册数据以及商品的数据使用基于内容的推荐系统进行推荐。但需要研究具体的实现。

(2) 为用户做推荐的时候没有将实时性考虑进去, 后续的研究工作当中会着重研究如何根据提取日志数据来对实时性进行考虑。

参考文献

[1]Amazon Elastic Compute Cloud, http://aws.amazon.com/ec2/.

推荐平台 篇2

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

图书推荐平台Bookish 篇3

Bookish可解释为“好读书的”或“书呆子气的”。这个名字完美地体现了该网站的宗旨，即为爱书的读者介绍更多好书，而不是要与亚马逊、巴诺或其他美国主要图书销售商竞争。Bookish的首席执行官阿尔迪·哈扎伊（Ardy Khazaei）表示，Bookish的目标是希望读者能够从多种途径发现好书，从而扩大图书消费市场。该图书推荐平台有六名经验丰富的编辑，每天根据不同主题在首页顶端的“Bookish编辑推荐的最佳故事（Top Stories from Bookish Editors）”和“更多Bookish编辑的推荐（More from The Bookish Editors）”两个栏目向读者推荐几本相关好书。Bookish以图书为中心，结合读者的个性化体验，利用机器学习（Machine Learning）和大数据（Big Data）技术帮助读者找到下一本适合的图书，并且打算为这种模式申请专利。

“机器学习”是指读者进入“推荐（Recommendations）”页面后，可在页面给出的五本图书中选择自己最喜欢或最想读的一本，点击该书下方的“更喜欢这本（More LikeThis）”按钮后，页面会新增一栏，左边“你的书（Your Book）”一栏显示的是刚刚选的图书，右边“我们的推荐（Our Recommendations）”一栏是网页新推荐的四本书。这四本推荐图书在内容和分类上与读者自己选择的那本是有共同点的。读者多次选择以后，平台根据提交的信息改善算法，从而推荐更符合读者要求的书籍。举个简单的例子来更直观地介绍Bookish的“机器学习”功能：将自己喜欢的或者最近刚读过的书，如PHde and Prejudice（《傲慢与偏见》）输入搜索框；Bookish显示所输入的图书和推荐的四本图书；读者可以点击相应图书下的“加入我的书架”（Add to MyShelf）按钮，将图书添加到自己的书架上，并标记为“想读正在读”“已读”三种阅读状态，或者点击“更喜欢这本”（More Like This）按钮让网页继续推荐并可以反复多次操作。

至于“大数据”，Bookish的图书数据库一共收藏了27万余种图书，横跨18个类别并且数量每天都在增加。Bookish中的大多数图书都有不同版本，通常它将电子书、平装书、精装书、有声书等不同版本及其价格一同显示出来。读者可以直接点击需要的版本，填写收货地址和付款后下单购买。Bookish还内置了与亚马逊、巴诺、苹果iTunes、库伯（Kobo）、百万图书（Books-A-Million）等大型图书零售商官网的链接，读者也可以通过它们购买图书。读者数据方面，一开始Bookish并没有读者的个人数据，但是在读者选择图书后，平台将自动根据相关元数据（例如作者、标题、种类等）推荐类似图书。此后，Bookish持续地收集读者数据，通过读者个人书架中积累的已读图书、喜爱图书、想读图书等标注以及读者对图书的打分与评论等，完善和丰富推荐标准，以便今后的推荐更符合读者口味。图书种类丰富、版本多样，加上每本书都有内容简介、读者评论以及内嵌的外网链接，这些将使Bookish的“大数据”功能逐渐变得更加强大。

不同于亚马逊、巴诺和苹果，Bookish并不制造和销售电子书阅读设备。Bookish提供的电子书是EPUB和PDF格式，读者可以从苹果应用商店或谷歌Play商店下载适用于lOS系统或安卓系统的Bookish阅读应用程序。除了这两个系统的专门应用外，使用其他系统电子阅读设备的读者可以通过Adobe Digital Editions电子书阅读软件来浏览图书。目前Bookish通过销售图书和在网站固定版面处刊登图书广告这两种途径获取运营资金。

Bookish这个由多家出版商合作建立的图书推荐平台自有其积极影响。它反映了出版商与时俱进、勇于尝试，与竞争对手合作以实现互惠互利目标的新思路。当然，Bookish图书推荐平台刚刚开始运行，还有很多不足，用户体验也有待改善。例如，到了下订单的时候常常会返回首页从而不能完成购买，而且大部分图书评分和读者评论还是空白等。还有，其图书销售业务显然没有价格竞争力。通过查找Bookish和亚马逊网站上关于《傲慢与偏见》（企鹅出版社精装版）的价格发现，Bookish平台卖18.11美金，而亚马逊卖16.65美金。那么读者何必在Bookish上购买图书呢？由此可见，Bookish前面的路还很漫长。

（作者单位系武汉大学数字出版研究所）

平台验收流程[推荐] 篇4

一、向省科技厅高新处提出审计申请，由第三方进行审计并出具审计报告。

二、审计通过后向高新处、综合计划处递交验收申请（包含审计报告、工作总结）。

三、由高新处审核后根据情况组织专家进行评审。

评审流程：

1、汇报

2、专家质疑（由专人进行答疑）

3、专家评议（组长根据情况给出验收报告）

验收后完善材料送高新处

需要准备材料：

1、审计报告

2、验收申请

3、汇报材料（纸质及PPT）

4、所有支出清单（附票据）

推荐平台 篇5

发布时间：2011-7-11信息来源：国家科技基础条件平台中心

根据国家《2004-2010年国家科技基础条件平台建设纲要》以及《“十一五”国家科技基础条件平台建设实施意见》要求,充分运用信息、网络等现代技术，对科技基础条件资源进行的战略重组和系统优化，以促进全社会科技资源高效配置和综合利用，提高科技创新能力。结合我市科技发展现状,我们以全市大专院校、科研院所以及部分大中型科技企业为重点，开展科技基础条件平台建设工作。

一、指导思想

以全面提高我市科技创新能力和增强国际竞争力为目标，以改革为动力，以建立共享机制为核心，以资源系统整合为主线，坚持以人为本，遵循市场经济规律，充分运用现代信息技术和利用国际资源，搭建具有公益性、基础性、战略性的科技基础条件平台，有效改善科技创新环境，增强持续发展能力，为科技长远发展与重点突破提供强有力的支撑。

二、建设原则

1.突出共享，制度先行。以资源共享为核心，打破资源分散、封闭和垄断的状况，积极探索新的管理体制和运行机制。加快推进制定和修改有关法律、法规、规章和标准，理顺各种关系。

2.统筹规划，分步实施。强化顶层设计和统一规划。按照不同类型科技基础条件资源的特点和发展规律，结合全市大专院校、科研院所以及部分大中型科技企业的发展需求，突出重点，试点先行，分阶段积极稳妥地推进平台建设。

3.综合集成，优化配置。按照整合、共享、完善、提高的要求，有效调控增量资源，激活存量资源，最大限度发挥现有资源的潜能。

4.政府主导，多方共建。市科技局在公共科技资源整合中发挥主导作用的同时，充分调动高等院校、科研院所、中介机构、行业协会、企业等各方面的积极性，参与资源整合与建设。

三、目标和任务

（一）建设目标。

2008年3月前，制定并颁布平台建设的总体规划，完成若干重点领域科技基础条件资源的整合，实施一批对推动科技创新具有重要意义、能够有效带动资源共享的试点、示范工程，初步形成以共享为核心的制度框架，构建重要科技基础条件资源信息平台。

到2010年，初步建成适应科技创新需求和科技发展需要的科技基础条件支撑体系，以共享机制为核心的管理制度，与平台建设和发展相适应的专业化人才队伍和研究服务机构。为最终形成布局合理、功能完善、体系健全、共享高效的大连市科技基础条件平台奠定基础。

（二）主要任务。

1、构建和完善物质与信息保障系统。制定科学、合理、统一的技术标准和规范，研究开发相关技术，对现有的大型科学仪器、设备、设施、科技文献、自然科技资源等进行整合、重组和优化，充分利用国际资源，加快实现资源的信息化、网络化，建立适当集中与适度分布相结合的资源配置格局。

2、建立以共享为核心的制度体系。制定、公布《大连市科技基础条件平台建设管理暂行办法》，加快推进修改、制定一系列配套的法律、法规、规章和标准，明确各相关主体的责任、权

利和义务，建立和完善激励机制和评估监测机制，推进管理方式创新，创造公共资源公平使用的法制环境。

3、培育专业化的人才队伍和机构。完善评价体系，建立人才凝聚机制，培育、形成一支专门从事科技基础条件管理与技术支撑的人才队伍。

四、平台建设重点

（一）大型科学仪器、设备共享平台。

以我市原有8校1所大型科学仪器设备共用网为基础，继续加大区域性大型科学仪器协作共用网的建设，逐步形成全市范围内的共享网络，提高仪器、设施的综合利用效益。

（二）科技文献共享平台。

1、扩充、集成科技文献资源，加强专利、工艺、标准、科技报告等文献资源的建设。实现印刷版和电子版、网络版资源互补。开辟利用国内及国际科技文献资源的各种渠道。

2、加强数字图书馆标准的研究，逐步建设各类数字化的科技文献资源库。促进相关部门、院校科技文献网络系统的对接和共享。鼓励各类文献服务机构采用多种现代化手段和服务方式，构建种类齐全、结构合理的大连市科技文献资源保障和服务体系。

（三）专家咨询服务平台。

扩充整合我市科技评估系统专家库资源，在保障原有各级科技项目立项评估的基础上，充分挖掘我市各类科技专家在所属领域的技术咨询、培训、服务功能，搭建技术、人才、市场对接的平台，为产、学、研一体化创造良好的环境。

（四）科技投融资服务平台。

加大对中小型科技企业投融资业务的辅导力度，加快发展创业风险投资。通过创业投资引导基金，引导社会创业风险资金加大对种子期、起步期科研项目的投入力度。建立创业投资风险补助专项资金与创业投资机构按比例提取的风险准备金等额匹配，用于创业投资企业对中小企业特别是中小高新技术企业的投资风险救助。

拓宽科技创新企业投融资渠道。争取国家开发银行加大对科技创新企业投资的软贷款力度。支持政策性银行、商业银行开展中小型科技企业贷款，为专业担保机构提供保证金支持。

（五）研究实验基地服务平台。

整合国家、部门、地方及企业相关研究实验资源（包括重点实验室、工程技术中心、企业研究中心等），形成开放式的我市基础性研究实验基地，提高重点领域的装备水平，打破封闭，营造开放、共享的研究实验环境。

五、平台建设的组织管理及运行

（一）起步阶段

大连市科技基础条件平台建设开始于2002年末。在市科技局的领导下，生产力促进中心依托大连市高校和科研院所现有的分析测试等科技资源，成立了大连市中小企业科技服务中心，搭建科技服务平台，架设中小企业和科技资源的桥梁和纽带。建设之初提出了“一站式、零收费”的技术测试、咨询和培训服务。“零收费”指针对前来做测试服务的企业实行零收费；院校实验室教师人工费和试验材料消耗等费用由市科技局和加盟院校按照1：1的比例共同提供补贴。建设初期，平台共联合了大连理工大学、大连海事大学、大连交通大学、东北财经大学、辽宁师范大学、大连水产学院、大连轻工学院、大连大学以及中科院大连化物所八校一所开展平台

服务工作，共开放实验室46个，能够提供530项检测服务。几年来累计服务企业840家，为企业提供样品检验、分析875项，技术咨询服务48项。期间，市科技局以补贴方式投入150万元。

（二）完善提高阶段

进入2007年，市科技局在前期工作总结的基础上，对平台建设提出新的要求。计划扩大平台服务大范围，在原有的八校一所设备共享平台基础上，扩大加盟单位，同时开展科技文献共享平台、投融资服务平台、专家咨询服务平台、研究试验基地平台等综合平台建设。从2007年8月经市科技局立项开始，由局创业处（原条件平台处）和市生产力中心具体承担工作任务。经过2个月左右的摸底调查,重点在大型仪器设备、科技文献、科技专家、研究试验基地四个方面，针对全市科研院所、县区科技局、重点企业计64家单位发放调查问卷，(具体参会区县科技局9家，科研院所17家，大专院校12家，大中型企业26家),实际收回43家。

经过初步统计，全市单价20万元以上可以加入共享使用的仪器设备823台套，总价值44937万元，涉及单位25家；科技文献方面，12家单位2004、2005、2006三年采购总经费分别为1512万元、1762万元、1908万元(不包括理工大学);拥有图书馆所面积10.7万平米,计算机2322台,馆藏文献总量445万册,价值1.12亿元；科技专家按照国家学科代码分类，重新采集录入，目前已入库1481人（原系统为943人）；研究试验基地，包括国家及省级重点实验室、工程技术研究中心及企业技术研究中心合计80余家。

为了有效整合全市科技资源，在摸清家底后，我们本着先易后难，逐步推进的原则，确立了近期工作目标。既进一步明确大型仪器设备平台一期加盟单位20家，科技文献平台一期加盟单位10家，并确认年内开通时限。同时要求尽快起草平台管理办法、加盟协议及相关配套政策、门户网站建设等。

完成《大连市科技基础条件平台建设管理暂行办法》初稿。并与大连口岸物流科技有限公司研讨平台建设技术支撑方案，并初步敲定开通门户网站，平台支撑数据库开发等。

（三）全面开通阶段

计划在2008年5月全面开通五大子平台。在调研其他省市平台补贴政策及设备平台、文献平台补贴标准基础上，适时推出我市的有关扶持政策。

六、平台建设及运行存在共性问题

推荐平台 篇6

一、项目概要

1.在微信平台注册微信服务号，搭建手机流量充值的分销系统，实现用户自主充值的目的，用户充值可以获得返利，让用户获得实惠。移动平台售价95折，返还1折的利润给到用户，联通电信原价充值返还0.5折的利润给到用户。平台宗旨是意在让用户充值流量获得实惠。平台框架详见PPT。

二、项目背景

1.未来趋势：随着移动互联网的高速发展以及去中心化的经济趋势，在未来人们主要是通过自己的移动终端在网上购买自己任何需要。去中心化的经济趋势可以理解为在以后每个人都是一个中心，谁都可以通过自己的圈子以自己为中心为他人提供所需物质。每一个人都是一个介质都能够传播。伴随着移动互联网的高速深度开发，5G时代马上就要到来，要想实现无时无刻都能够上网无缝连接的需求就只要手机数据流量。2.需求分析：手机是在移动互联网时代重要产物，人们对手机依赖已经非常的严重，现在没有任何一个人可以离开对手机的需求，那么有手机就需要数据流量。现在流量就像人们每天呼吸的空气一样，每个人无时无刻不需要，虽说有WIFI但是离开一定的范围就没有了，并且在公众场所的免费WIFI有很多人是不敢随意的去连接的，一旦通过链接免费的WIFI导致自己的个人用户信息被盗后果不堪设想。所以用户要么通过运营商购买或者通过微信、支付宝（一般是95折偶尔会有促销活动比较便宜）购买。那么这些地方的流量售价还是比较高的。3.市场定位: 本次项目主要针对全国市场，在全国流量市场来看做的最大的是广东市场（一个很小的公司每天的流水能做到上百万，一些下面的小代理商每天的流水能做到一千以上），由于在2015年广东市场价格太低太乱做的太猖獗，所以在2016年3月开始移动运营商开始整治广东流量市场，所以流量的价格从原来有些人拿货价3折一路飙升到5月份的7折。综合这个市场分析湖北移动的二手货源流量价格基本稳定在68折左右，并且每日的交易额远远小于广东的市场。所以深度的开发全国流量市场还是很有空间的。

4.市场份额：在移动用户数发展方面，截止2015年底，中国移动的移动用户数达到8.26亿户，其中4G用户2015年净增超过2亿，总数达到3.12亿户。

中国电信全年移动用户总量达到1.979亿户，4G终端用户数净增5138万户，达到5846万户，市场份额同比翻番。中国联通移动出账用户为2.5232亿户，4G用户数达到4416万户，占移动出账用户的比例达到17.5%。

5.货源价格：运营商开放手机数据流量市场，不在只有运营商自己可以售卖手机流量，运营商同时作为一个货源的提供者，很多企业都能够拿到货源去分销。并且售价还比运营商的低。中国移动手机流量价格在73折左右、中国联通的价格在9折左右、中国电信的价格在8.3折左右，其中移动各省的价格不一基本都在7折一下。联通电信各省的比较少，价格也比全国的便宜。（这里所说的全国是指不管哪里的号码都可以充值全国的流量，各省的指只可以充值归属地省份的号码，其他省份的不可以充值）

三、项目准备

1.微信服务号申请

微信公众号必须是微信服务号，需要完成企业认证（认证费用300元/每年），所以需要一套企业资料区申请微信服务号。资料包括：营业执照、组织机构码、银行账号（可以使用个人银行账号，但是需要300元的认证费用，并且不一定会通过认证）以及其他资料。服务号需要每年在微信进行认证，并且需要交纳相应的认证费用，具体费用详见预算。

2.平台功能 充值页面

流量充值

当用户点击流量充值的按钮直接进入充值页面，充值页面显示为各个流量包的面值大小，当用户输入手机号码以后自动识别运营商以及号码归属地显示该号码对应的套餐供用户选着，用户选中对应的套餐既显示售价。

在充值页面提示是否系统维护，到账时间，客服电话，月末不能充值等相关信息

当用户点击支付以后直接跳转到付款页面，确认付款 用户充值失败以后自动退款

流量售价

移动售价95折，用户充值以后返现金返现后用户实际充值费用为85折

联通电信原价，用户充值以后返现金返现后用户实际充值费用为95折 例如：

用户A充值500m中国移动，收用户28.5元（95折），用户充值成功后平台自动返现3元在用户的账户余额里面（账户余额可以用于直接充值流量）用户实际充值费用为25.5元（85折），用户为任何号码充值均可获得返现收益

个人中心 充值查询

用户进入订单记录页面可以看到该号码的充值状态：正在充值，充值成功，充值失败。显示充值成功的佣金是多少，保证用户可以清楚的指导每一笔订单状态以及可以获得佣金是多少。用户充值以后可以通过点击充值查询按钮展示自己每一笔流量充值到账的流量包大小状态（充值中、充值失败、充值成功）以及返现多少。

签到积分功能

用户通过每天的签到可以获得1-2M流量，当流量累计达到500M以后用户可以直接兑换成流量充值券，然后充值到手机。

账户余额

账户余额是指用户充值以后返现的收入，当用户点击该按钮以后显示最近的每一笔收入详情。

推广中心（暂时不需要）

推广名片，当用户打开推广中心自动为用户生成自己的推广名片供用户去推广宣传，推广名片上面需要有自己的微信昵称头像、身份二维码、流量售价等相关信息。

推广文章，在推广中心里面加入一些各类型的文章，并且在文章底部加入用户自己的独立二维码。

推广小游戏，添加一些简单并且可以互动的小游戏供用户邀请好友共同参与，同样也是加入用户唯一的身份识别二维码。

3.货源

目前市场货源价格行情 中国移动73折左右 中国电信83折左右 中国联通91折左右 湖北移动68折左右 湖北电信 湖北联通

看向全国市场，不局限地域 4.用户来源

在平台发展初期通过本地的其他公众号投放广告来引流，同时在找兼职在高中以及中专技校派发广告宣传，通过与学校周边的商家店铺合作。然后开发一个可以裂变的分享H5游戏通过平台的一些用户分享出去再次带来引流。

四、项目进程

1.系统上线时间

暂定

2.平台推广计划

 前期通过在本地一些比较大的公众号上面投放广告或者在微信上投放广告（暂定不优先考虑）。在公众号上面投放广告主要是软文一般一个10万左右的公众号一次软文投放大概需要两到三千左右，在微信上面投放广告是通过CPC计费既用户点击收费，一般一次点击0.5元以上。（次要） 主要依靠H5活动裂变病毒式传播来吸粉，这样成本低，获取用户精准，只有对流量有需求的用户才会打开链接，用户质量高。（主要）3.用户活跃

暂定

4.客服体系

客服留微信号码跟用户取得联系，用户如果有什么问题通过用客服微信取得联系。5.其他业务开展

当粉丝量增长到一定的数量可以增加APP推广的业务，人工操作。或者其他微商业务。

把公众号的粉丝导流到微信上面，并且在微信上与用户做一些APP推广的业务，赚取一些推广业务费用。

五、相关数据

其他公众号效果详见：“流沙5月每日数据.xls”

最开始平台的用户只有3万多，H5上线以后通过软文推送发送了3千条短信，用户在3天的时间增长到了6万多粉丝数量翻了一倍。然后停止了投放，当时微信刚出关于诱导分享的规则，然后H5经过加工，第二次在周五的晚上开始投放到下周一，结合发送3千条短信都是广东移动的号码，然而带来的大部分是上海的用户（有原因），粉丝从6万增长到13万，两天的时间用户数量又翻了一倍。由于平台的代理规则太过繁琐，导致用户流失也挺多的。总结经验才去掉代理模式，把实惠直接给到用户，让平台利益最大化。

六、项目预算

1、微信公众号获取、认证（300元/年）、私人账户认证（300元/次）

2、域名

3、服务器

4、H5投放费用（找一些阅读量不超过1万的公众号投放H5，费用也就几百块，这样的传播并不需要很多的投放，就可以产生强大的裂变效应，可以分批次，分时间断投放。）

5、供货商付款（现金流挺快的，问题不大，并且可以根据实际情况每次打款多少都可以。）

七、风险分析

上述东西只要准备到位成功率在95%，一定要确保H5不能被封最大的风险就是H5被微信封掉，公众号因为投诉被微信封（从掉。

经验来看公众号只要不是传播诱导分享的东西，即使被封掉也不会封掉子链接，还是可以继续传播。公众号用户投诉严重会删掉一些软文，基本没有什么大问题，能确保公众号正常运转。）

推荐平台 篇7

依托可视化智能指挥调度平台，满足110指挥中心在公安信息化中转型与升级需求，真正发挥110指挥中心在集成指挥体系中的“最强大脑”作用，成为打击违法犯罪的前沿阵地和救助群众的综合平台。平台由以下功能模块构成：指挥调度平台门户、常态/重大警情指挥调度、可视警情研判预警、动态巡防勤务管理、警情警力实时监控、预案流程精细管理、指挥调度考核管理。

战平结合，分级指挥平台分常态、战时两种状态分别建立配套指挥模式与工具，打造上下贯通、协调联动、反应灵敏的实战指挥架构。

动中备勤，囤警街面

建立“大警种”多级治安防控体系，通过全警报备、统计、监督、考核一体化的信息管理，提升

灵活布警，主动防控 视频巡查与街面巡逻互补，警力部署与警情变化同步，做到警情“一目了然”、警力“一呼百应”，以动制动、以快制快、主动防控。

圈层封控，城门“落锁”

推荐平台 篇8

不管是监管的消息还是《意见》的发布，都是在外部上去约束平台的合法化，只有平台自身的良好发展才是平台核心优势。与担保企业签订合作协议，从表面上看是“倒行逆施”，但或许也是摸着监管的脉搏后的积极应对。

新浪支付资金托管分析师认为，将出台的监管，无论是“监”还是“管”都是监管部门作为拍板者做决定，因为不论平台是赞成或是反对监管政策，监管政策依旧会颁布、实施，因此不论监管政策的如何，平台需要做的就是适应并发展。

对于平台而言，监管政策是外部大环境，企业自身发展线路是内环境。无论大环境怎么变化，在适应的情况下不要丢失内部的核心优势才是一个大型平台的关键。淘宝将互联网带给大众，随之而来的京东、一号店的强势崛起分食着淘宝用户;另一方面，各类团购网的发展也挤压着淘宝市场，但是淘宝依旧以店铺模式占据着部分市场。身为互联网一份子的网贷也是如此，面对拥有高复制手段的竞争对手，以及随时变化的市场，企业核心竞争力的保障才是企业发展的关键。

网贷这一新兴的金融模式，和传统金融一样蕴含风险，平台对风险的掌控是投资者关注的问题，也是平台发展的重中之重。担保模式在引入网贷行业之初，其弊端早已为内行人士所点破，随着监管的不断强化，平台的去担保化也逐步开始，那么平台真的要去担保么?

回答是否定的，去担保仅仅是为了规范第三方机构的涉足，减少风险。试想，保险进入网贷行业和担保进入网贷模式区别大么?当然，区别很大，因为保险可以公正地对标的进行审核，其次保险有足够的资产兑付坏账，而担保公司不行。不过反过来讲，如果担保公司足够大呢?某平台最近与某大型担保企业签订合作协议，从表面上看是“倒行逆施”，但或许也是摸着监管的脉搏后的积极应对。新浪支付资金托管分析师认为。

新浪支付资金托管分析师认为，除担保模式以外，抵押模式也是网贷风控的手段之一。相对担保模式而言，抵押模式则拥有了成本低、风险小、资产易处理等众多优点。