保研推荐信范文精选

摘要：为了更好的帮助用户在网络获得个人所需的信息资源，搜索引擎、推荐系统需要搜集和使用大量用户的个人信息，而这些个人信息中大都包含了一些隐私数据，因此用户隐私安全的问题就随之而出。首先就网络信息资源个性化推荐中隐私保护进行了综述，然后分析比较了目前使用的相关保护措施，最后提出隐私保护措施的几点改进。

关键词：个性化搜索；个性化推荐系统；隐私保护；信息安全；网络安全

中图分类号：TP315 文献标识码：A DOI：10.3969/j.issn.1003-6970.2015.04.014

0.引言

随着互联网的飞速发展，大数据时代也接踵而至，大幅增长的数据使得以此为基础使用搜索引擎进行搜索的结果也相应增加，从而用户需找其所需的网络信息资源也变得越来越困难。早先当用户分别在Google、Yahoo或者百度上使用同一关键字进行搜索的时候，虽然有几十页甚至上百页的结果，但是大部分是重复的或者不相关的，很明显，这并不是用户所需要的理想的结果。在此需求之下，个性化推荐系统相应而生。个性化推荐系统是根据用户的个性化信息，例如兴趣、爱好、搜索习惯等进行统计建模，然后将相关联的网络信息资源（网页、产品等）在用户进行搜索的时候推荐给用户，以满足用户多元化个性化的需求。

1995年3月斯坦福大学的Mark Balabanovic等人在美国人工智能协会上率先推出了个性化推荐系统LIRA。从此之后，个性化推荐技术开始迅猛地发展，2004年3月Google第一个beta版Personalized Search从Google Labs Proiect诞生，得到了用户的好评。紧随其后，国内外大量的研究院和公司开始投入巨资进行个性化推荐系统与个性化搜索技术的研发。在个性化推荐系统与个性化搜索技术当中核心就是获取用户个人信息数据，这些数据包含了大量用户的隐私，隐私安全这一敏感问题渐渐浮现出来。虽然一些国家拟定了相关的法律法规来保护隐私数据，但是在隐私保护技术上仍然处于起步阶段，以致正当个性化推荐系统发展的如火如荼之时，AOL、Yahoo、Apple、Faeebook等知名大型企业曝出用户搜索数据、注册信息泄露问题。其中国内所熟知的中国开发者技术在线社区CSDN更是有600万注册用户数据被泄露。这些数据包含了用户的兴趣、爱好、联系方式等，使得用户对于网络信息安全信任度降低和对个性化推荐的反感。从而导致需要大量用户信息的个性化推荐系统与个人隐私保护之间产生了一定的矛盾。本文对现有隐私保护的措施进行了相关的研究，并指出其中的不足，提出相关改进建议，使之能在一定程度上平衡矛盾。

尊敬的领导：

我是XX同学本科期间导师制活动的导师，对于她在各方面取得的优异成绩我感到很欣慰，下面我将就其在学习期间的表现进行推荐。

自进入学校以来，XX同学能按照培养计划，及时向老师请教问题，积极参与科研项目，为今后的专业学习打下了良好的基础。在课堂内外的互动中，该同学表现比较突出，不仅上课认真听讲，能提出很有独创性的问题，而且对我提出的问题勇于上台发言，能清楚地阐述自己的观点。

该同学还具备了一定的科研工作能力，曾经主持参与大学生创新性科研项目数项，并取得了优异的成绩。通过学术研究可以发现，该同学做事刻苦勤奋，认真负责，有着较强的独立思考能力；思维活跃，能运用现有知识，并查阅相关文献来解决研究中出现的问题；总结分析能力和文字表达能力极强，工作能力十分出色。

该同学还曾担任我院学生会工作，有着较强的统筹能力，踏实严谨。相比于其他学生干部，该同学善于沟通交流，能于不同背景的同学进行良好高效的沟通与合作。在其个人品质方面，该同学尊师敬长，团结同学，为人谦虚礼貌，自强不息，在困难面前不轻言放弃，有着较强的进取心。相对于我院推荐的其他几名同学，该同学有专长，有潜质，科研成果丰硕，但学习积极性有待提高。

该同学专业兴趣浓厚，动手能力极强。刚进入实验室时，她的主要工作是很简单的合成工作，她也很认真的对待。起初她做的合成反应产率偏低，她便向研究生请教以往的合成方法，通过对比实验条件，她发现该反应是在室温下进行，外界坏境温度的改变影响了反应产率。从去年起，她开始接触复杂的合成，这对于她来说是一个全新的领域，于是她去图书馆查阅资料，自学了很多合成的知识，目前已经可以独立地完成一整套流程。

作为主要成员，她正在参加大学生创新训练项目，在项目的实施过程中，每当她遇到困难，她都会登陆到各大数据库，查阅文献。在这个过程中我发现她有很强的文献信息检索能力，同时其外文文献的阅读能力得到了很大的提高。

经过近两年的了解，可以看出，该同学综合表现优异。因此特向贵校推荐优秀学生XX。

[摘要]文章以电子商务推荐系统为研究对象，对推荐系统消费者采纳意向的相关文献进行总结。首先介绍了推荐系统影响消费者采纳的因素，其次对推荐系统评价标准研究进行总结，从消费者视角展现推荐系统的研究现状，最后指出了目前研究的不足及未来研究方向。

[关键词]电子商务；推荐系统；消费者视角

[DOI]10.13939/ki.zgsc.2016.02.123

随着电子商务行业的蓬勃发展，在线推荐技术得到广泛应用。推荐系统能从当前消费者浏览、关注的信息出发，为消费者做出相应的推荐。亚马逊、淘宝网、当当网等电商网站都已经应用推荐技术。目前关于推荐系统的学术研究主要集中在两个方面：一方面是关于推荐算法的优化设计，另一方面则是推荐系统对消费者的影响研究。文章从消费者视角出发，从以下两方面来总结现有文献研究成果。

1在线推荐系统消费者采纳的影响因素研究

在消费者网络购物相关问题的研究中，学者们普遍采用技术采纳模型（Technology Acceptance Model，TAM）作为理论基础。根据TAM模型理论，用户对系统的感知评价（感知有用性、感知易用性）直接影响用户采纳意图的产生。文章发现影响消费者采纳的因素主要来自以下几个方面。

1.1网站特征

Ganguly和Dash研究发现网站的信息展示设计、导航设计和可视化设计会影响消费者的购买意向。因为网站合理的视觉设计会给消费者带来愉悦，提高消费者对网站的满意度和信任，进而增加对网站的浏览时间和购买产品的数量。Song和Zahedi则证明发现网站的促销、服务、外部相关资源、使用和导航易用性及购物便利性等因素会加强消费者的信任。

推荐信是留学申请中校方了解“别人眼中的你”的一个重要途径，一些有价值的推荐信往往会为申请人增色不少，从而影响到我们的申请结果。然而并不是所有人都有机会得到这样的推荐信，甚至很多申请人在找推荐人的这一环节就因为各种原因屡屡碰壁，所以我们今天就来谈谈找推荐人的各种事儿。

对于推荐人的选择这一问题没有标准的答案，往往我们需要结合你的意向专业所需特质和你个人的履历来选择合适的推荐人。最好的推荐人往往应该是和你有足够交集，对你有足够细致地了解，从而能将你身上的某些专业特质落实到实处的人。推荐人的分量也是一个需要重点考量的因素，在选择的时候我们往往需要做一番权衡。

在选择好推荐人后，我们需要和推荐人取得联系。其实除了真正能给推荐人留下深刻印象或长久以来和推荐人保有密切联系的申请人，推荐人是否愿意帮你写推荐信，以多大的积极性帮你完成推荐信的写作，和你向推荐人发出请求过程中的表现密切相关。记住“说服”不是从你提出请求后开始的，从你准备提出请求之前“说服”就已经开始了。

在邀请推荐人之前，首先请确保你对整个申请流程，一些重要环节的开始结束日期，一些具体化的要求都要有一个明确的了解，有了这些了解你才能把握从与推荐人接触到获得推荐信整个过程中应有的节奏，有一个明确的规划。

邀请时的礼节

邀请时间：

注意时间问题，没有推荐人会喜欢突然袭击，在规划好的基础上尽早与推荐人取得联系，给推荐人和你自己足够的机动时间。

邀请方式：

近年来，“亲友推荐计划”正逐步成为国内金融机构一种重要的营销方式。鼓励客户将自己所信赖的产品、优质的服务推荐给亲朋好友，不仅能使他人有所收获，自己也能得到一份不错的奖励，何乐而不为呢?

外资银行盛行“亲友推荐”

在境内金融市场中，开展亲友推荐计划最为积极的当属外资银行，汇丰、花旗、渣打等银行每年都会推出不同形式的奖励活动，今年，它们所提供的礼品更是丰富多样。

汇丰银行的亲友推荐活动分两项，一是从即日起至2010年7月31日。客户只要完整填写推荐表格交至卓越理财中心，或在汇丰网站上填写并发送亲友表格，便可获得汇丰陶瓷环保杯一个。

如果被推荐的亲友在活动期间晋身为合格的卓越理财客户，即视为一次成功推荐，推荐人和被推荐的亲友都可以获得礼品一份。现阶段，推荐人在一次成功推荐后可以获得商旅背包一个或是电子健康秤一台，两次成功推荐可以获得2010世博会门票两张及文化中心汇丰贵宾包厢席位两个，或是在爱心手机与膳魔师炫瓶中选择其一。被推荐人则可以人手一份获得欧姆龙电子健康秤一台。

花旗银行亲友推荐计划可以分为开设账户、合格账户两步。推荐亲友在花旗睿智理财账户开户，推荐人和被推荐人都可以得到10积分。当账户成为合格账户时，推荐人和被推荐人均可获得50积分。如果亲友所开设的账户为花旗贵宾理财账户，那么推荐人和被推荐人都可以先获得10积分，待成为合格账户后分别再获得200积分。

为了鼓励客户推荐亲友成为花旗客户，银行方面还制订了推荐越多、积分翻倍的奖励政策。推荐10至39位亲友成为睿智理财账户客户，推荐人积分可以翻倍。40人以上可以获得三倍积分。而由于花旗贵宾理财账户对资金要求更高，因此推荐5至19人开户，即可积分翻倍，20人以上即可三倍累积积分。

积分可以用来兑换礼品，包括施华洛世奇坠饰、爱马仕真丝方帕、万宝龙小牛皮钱包、LV皮夹以及多普达手机等。

【摘要】 中医药知识服务领域的一个核心问题是：面对海量的中医知识资源，如何根据用户的健康状况和行为信息，从中自动找出用户可能关注或感兴趣的知识，从而实现中医知识的主动推荐。移动互联网因其普及性、便捷性以及强大的个人信息采集和自动感知能力，为解决这一问题提供了理想的平台。本文介绍个性化知识推荐的概念、背景和技术，阐述基于移动互联网的中医知识推荐服务的现状，提出存在的问题和研究思路。

【关键词】 中医药； 知识服务； 知识推荐； 移动互联网； 移动设备

Preliminary Research on TCM Knowledge Recommendation Via Mobile Internet/ YU Tong， MAO Yu-xin， GAO Hong-jie，et al.//Medical Innovation of China，2015，12（36）：115-118

【Abstract】 A core problem of knowledge services in Traditional Chinese Medicine （TCM） domain is as follows： in the face of massive knowledge resources， how to automatically find out which ones a user may be interested in so as to realize active knowledge recommendation. Mobile Internet， with its popularity， convenience， and ability to collect personal information， provides an ideal platform to solve this problem. This paper introduced the concept and background of personalized knowledge recommendation， analyzed the current status of TCM knowledge recommendation via mobile Internet， and proposed existing problems and research thoughts.

【Key words】 Traditional Chinese Medicine； Knowledge service； Knowledge recommendation； Mobile internet； Mobile device

First-author’s address：Information Institute of Traditional Chinese Medicine， China Academy of Chinese Medical Sciences， Beijing 100700，China

doi：10.3969/j.issn.1674-4985.2015.36.038

中医药是中华民族优秀文化的一个重要组成部分，它历史悠久，源远流长。数千年来，历代医家在医疗实践中积累了丰富的经验，创立了兼具理论深度和民族特色的中医药知识体系，为中华民放的繁衍昌盛作出了杰出的贡献。随着我国社会从温饱到小康的转型，百姓的生活水平日益提高，开始更加重视生活品质，追求延年益寿，因此对中医养生保健知识产生了日益强烈的兴趣。

【摘　要】 互联网“信息超载”和“信用低下”却严重地妨碍了它的正常运转。本文通过以“大众分类”和“专家推荐法”结合，以建立长效机制、第三方有效监督为主要内涵，力求改善消费者应用互联网进行信息应用的实效性和可信度，以实现电子商务的信息增值效果。本文设计的专家推荐系统能克服地域广阔、信息不对称、假冒信息和应用意识薄弱等缺陷，针对“网络热贴”和“大众标签”，进行信息评测和推荐，其过程结果长久保存，并进行过程公开，接受公众舆论监督。

【关键词】 互联网 置信方案 专家推荐 长效机制 大众分类

1. 需求背景分析

目前，网络数据传递的速度和精确度都已经达到较高的水平，但信息市场的震荡却是愈演愈烈。各类网站信息如雨后春笋般地冒出来，但这种爆发式发展并没有使得“信息实用性”得到大副提高，反而效用下降。“信息超载(Information Overload)”现象随处可见。许多互联网用户乘上“网络”高速火车后，渐有难以驾驭之势。所以可置信信息推荐系统产生了巨大的需求。利用第三方组织机构(组织行业专家学者)的评价，结合长效机制的监督，来自动向用户推荐符合其兴趣特点和信誉保障的高质量信息对象，具有十分现实的意义。

1.1信任缺失

在互联网上，用户普遍反映比较缺乏信任感。Lee等通过调查研究发现，许多消费者不愿意通过网络方式进行商品交易，最主要原因就是信任的缺失(2001)[1]。鲁耀斌(2007)[2]研究结论:信任问题已经成为阻碍移动商务发展的主要因素之一，只要商务交易中“信息不对称性”、“匿名性”、“缺乏控制”和“潜在的机会主义”等问题都没有很好解决，消费者的信任程度就难以提高。

1.2长效机制

美国诺贝尔经济学奖得主(Kenneth Arrow)曾指出“几乎所有商业往来都包含着信任因素，这种行为以一段较长持续时间为前提。”(斯普伦格，2004)[3]。Morgan和Hunt(1994)[4]的“承诺-信任”理论表明，信任和关系承诺是影响合作的重要因素，信任影响关系承诺，关系承诺导致伙伴间的合作，使关系双方不被短期利益所诱惑而关注长期利益。因此，持久性承诺是交易双方关系连续可信任的保证，是长期关系成功的必不可少的要素。应当在互联网世界中，找到、建立一种具有长效性的可靠性承诺方式，来保障消费者的利益关系。

在中小投资者队伍中，有相当一部分股民不太愿意自己认真研究大盘走向，钻研潜力个股，而是总想走捷径，靠电视股评里的专家荐股，或是证券报上的机构荐股以及证券公司的一些分析师荐股来进行买卖操作。因此，如何对待所谓的专家荐股，就成了这部分投资者需要解决的一个问题。

专家荐股有陷阱

部分中小投资者在股市博弈中缺乏自信，而且还比较懒惰，疏于对宏观经济面、市场趋势进行研判，对专家荐股比较迷信，所以，在投资操作中，总是跟随人家的指点去进行买卖。有时运气好，还能赚点钱出局，运气不好时，就被深度套牢甚至是割肉出局。为何会出现这种情况呢？原因自然在于专家荐股和自身的研判出现了问题。

虽然我们不能说全部的专家荐股都是对中小投资者的诱惑和欺骗，但是，确实有相当一部分专家荐股本身是存在问题的。从早期的赵笑云，到近期的汪建中，几乎都是股市的“黑嘴”，他们以各种花招引诱中小投资者上当受骗。受到查处的仅是少数，还有不少未被查处的“黑嘴”仍以不同的方式对中小投资者布下陷阱。常见的一些手法有如下几种：

（1）先建仓，后推荐，让散户为庄家抬轿。有一些所谓的专家，在向投资者推荐股票时，都是推荐自己事先已经建仓完毕的股票，这样便让一大批中小投资者来为庄家抬轿。这种手法是不少股评黑嘴经常采用的惯用方法之一。最典型的案例是07年时，联合证券医药行业分析师宋华峰所推荐的广济药业（000952）。在推荐之前，宋华峰自己已大肆买入广济药业，等建仓完毕之后，便在各财经媒体连续发表4篇研究文章，大力推荐广济药业。经他推荐后，仅仅10来个交易日，广济药业便实现了翻番。在这波狂飙中，许多散户受宋华峰研究文章推荐的影响，疯狂追捧，为股价飙升起到了推波助澜的作用。

（2）重金雇明星分析师炮制投资价值报告，以达到拉高出货的目的。有的主力大资金在重仓某只股票之后，为了配合拉高出货，便会找到一位在证券市场有一定影响力的分析师，许以重金，让其精心筹划一篇价值投资报告，极力推荐主力资金所重仓持有的个股。投资报告后，主力资金便大肆拉升，吸引散户纷纷跟风买入。如此一来，主力能够逢高出货，证券分析师也因成功推荐了一只牛股而在股民中拥有了更高威信和地位。主力资金和分析师的成功合作之后，机构和分析师可以躲在一边分金分银，而高位接棒的散户投资者则要面对高位套牢的痛苦。

（3）边代客理财，边大力荐股。很多股评人士身后都拥有一大帮客户，有的甚至直接控制着一大批资金。一些股评人士以投资工作室的名义招揽客户加入，并亲自指导客户买卖；还有的专业人员干脆不惜冒违规之险，直接代客理财。不管哪种情况，这些股评专家们都敢于披挂上阵，在这个市场上进行一番博弈。在帮助客户买入一只股票后，或者是充分指导旗下的客户同时买入一只个股后，就全力在网络上、电视上、报刊上对该股进行点评，给予很高的买入评级，并向社会公众大力推荐该股。成功运作一只股票后，这些股评的专业人士都能从中分得一杯羹。

对专家荐股多一份清醒

摘要：结合信任的推荐系统可以有效地缓解传统协同过滤算法中存在的数据稀疏问题，并能给每个用户提供可信且准确的推荐。然而系统中的每个用户都是不同的，因此考虑针对不同用户应采用不同推荐模式来查找推荐群体，以做出更具个性化的推荐。研究了微观层次上的节点特性，引入了兴趣的概念，证明了被推荐者的多种节点特性对于推荐结果的影响效果。最后通过多组实验验证了推荐系统在具有不同特性的节点上的推荐效果差异。

关键词： 信任； 推荐系统； 局部网络结构； 兴趣； 个性化推荐

中图分类号： TP18 文献标志码： A

0引言

随着Web2.0时代的到来，网络中的每个参与者都在成为信息的者，主动推送的应用有博客、微博等，被动的有维基百科等。近年来随着各类移动设备的发展和网络信息承载力的提升，信息呈现爆炸式增长，用户根本不可能仅依靠自身从如此海量的数据中获取所感兴趣、所需要的信息或服务，此时就需要有一个推荐系统[1]来帮助用户自动检索和筛选海量数据并从中找出用户所需要的内容。

推荐系统主要可分为两大类：一类是基于内容（contentbased）的推荐系统[2]，这类方法主要靠抽取被推荐者的用户特征和被推荐候选项目的特征，然后通过被推荐者的用户特征向量和一系列被推荐候选项目的特征向量一一对比，进而选出最合适的项目作为结果推荐给被推荐者；另一类是基于协同过滤（CollaborativeFiltering，CF）的推荐系统[3]，此类系统主要是利用用户项目评价集来找出过往评价与被推荐者最为相似的用户集作为推荐群体，然后将此推荐群体的过往历史评价信息进行整合，最终根据整合结果和具体系统要求做出推荐 于内容的推荐方法主要存在特征抽取难问题、过度拟合问题和难以跨领域推荐等问题，但是对于易挖掘的文档类项目的推荐效果较为优异，而基于协同过滤的推荐方法则不存在上述问题，但是存在数据稀疏导致的用户冷启动问题（coldstartusers）和利益纠纷引起的欺诈攻击问题（attackresistance）[4-5]。

随着网络的发展，逐渐出现了各类结合社会网络的推荐系统[6-10]，此类系统是通过与被推荐者有着直接或者间接关系的用户的过往评价集来做出推荐，可以有效地解决基于协同过滤的推荐系统中会出现的冷启动和欺诈攻击问题，主要通过将信任网络与基于协同过滤的推荐系统结合来实现。

结合信任网络主要是为了使用信任网络中的信任关系即节点间的信任值，关于网络中的信任问题已有诸多研究[5，11-12]。在推荐系统中引入信任网络的目的主要是为了解决数据稀疏问题即冷启动问题和欺诈攻击问题。通常来说信任网络也是稀疏的，但是信任是具有传递性的，即相对于陌生人，人们更倾向于相信朋友的朋友。因此引入了信任传递[13]，信任传递就是利用信任网络中的直接信任关系在无连接的用户间建立非直接信任关系。

“进入四月，准备申请17年秋季入学的同学是时候开始琢磨谁来给你写推荐信了。

千万不要觉得离申请季还有半年，可以慢慢来。这是拖延症，得治！

说到这里，为什么要这么早就动手搞定申请人呢？

1为了保证自己推荐的可信度，有的教授一年只推荐几个人，这时候自然是先到先得。

2推荐人一般都要忙于科研、教学、行政任务，而写推荐信对于老师而言比较优先级比较低，因此效率可以参考下图脑补……

找谁要推荐信？

寻找推荐人所遵从的原则是：

熟悉和认可你的老师 ＞ 名气大但不熟悉你的老师