保研推荐信篇1
本科生保研推荐信范本【一】我教授过xx同学的本科课程-xx，对他的情况有所了解。
xx同学学习刻苦，有钻研精神，在班级里学习成绩名列前茅。他尊敬师长，团结同学，为人诚实，待人热情，乐于助人，思想上积极向上。在学习中，申请人始终严格要求自己，有一丝不苟的精神，他基础知识学习的很扎实，专业课也很不错，成绩一直在专业里名列前茅，这就为他今后更专业化的学习打下了坚实的基础!他对待学习上的问题有自己独特的见解，能够独立思考问题，从他平时作业之中就可以体现出来。(再加上一些自己动手能力方面的东西)
作为xx同学的推荐人，我相信他一定能出色的完成研究生阶段的学习和科研工作!
XXX
20xx年XX月XX日
本科生保研推荐信范本【二】XXX教授：
您好!
我叫XX，毕业于XX学院XXX专业，现在XXX。今年报考了XX大学的XXX专业硕士研究生，下面是我的初试成绩：
因为在职考研，初试成绩并不理想，若有幸能在您的指导下继续深造，我一定会更加努力，刻苦钻研。本科期间，我一直是一个热爱学习的学生，认真学习专业基础知识，注重实验实践锻炼。曾获得国家励志奖学金XXX，校优秀团干一次，校辩论赛最佳辩手，并且已获得英语六级证书。此外，虽然本科一直学的XXX学，课程几乎全是有机实验，但是我从大二开始就跟着老师进行大学生科技创新项目XXX，立项并通过考核。除此之外，我XX，虽然不是核心期刊，但也是自己大学科技创新的结晶。
其实我就一直想发邮件给您，但因为担心自己初试不理想，就没有联系任何老师。这次复试完，我觉得自己也很有信心。我对您的研究方向很感兴趣，有强烈的好奇心和求知欲，特别希望能在您的门下就读，跟您学知识，做项目，进一步提高自己。若老师能给我这个机会，我一定会加倍努力，不辜负您的信任和期望!
非常感谢您能在百忙之中抽出时间阅信。冒昧致信，恳请海涵!
祝您工作顺利，身体安康!
保研推荐信篇2
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。
现有结合信任值的方法通常分3种[10]：1）对信任值使用阈值进行筛选以实现对候选用户群的筛选，通过筛选可得到可信用户群，然后使用可信用户群来作为推荐群体；2）将信任值作为推荐评价计算时的权重，此处又分两类（一类是单独使用信任值作为推荐评价合并时的权重，另一类是将信任值和相似度结合来共同作为推荐评价合并时的权重）；3）既使用信任值来筛选用户又用作计算评价时的合并权重。
已有研究发现信任值和兴趣相似度存在正相关关系[14]，即从全局来讲，信任值越大则兴趣相似度越高。因此通过信任网络来发现推荐群体可以保证推荐的准确性，且信任网络主要源于用户的主观信念，因此相对于简单的用户历史行为挖掘更能体现出用户间相关性及用户的真实偏好于此点已有诸多结合信任的推荐系统研究[7-9，15-16]。
过去的十多年中出现了很多结合信任的推荐系统：oDonovan等[10]最早在推荐系统中使用间接信任值，即根据用户历史评价信息来生成用户间信任值，并提出三种信任值使用方法；Golbeck等[9]则在推荐系统中引入信任传递概念，并发现结合信任传递可以有效缓解冷启动用户问题；massa等[7]则对用户、项目作了简单分类，研究了不同信任传递距离对于不同用户种类及在不同项目种类上的推荐效果；palau等[17]模拟了网络进化并从宏观上角度研究了网络结构对推荐效果的影响；Hang等[18]通过将信任度与局部网络结构结合提出了基于图相似性的推荐算法；Ziegler等[14]通过实验分析验证了信任与兴趣相似度的关联；Hsu等[19]提出了通过学习节点局部特性建立分类树从而预测新边以实现推荐的方法；潘静等[15]使用信任传递对推荐者群体进行筛选以去除来自恶意用户的推荐，Jamali等[8]在推荐系统中使用矩阵分解方法引入信任矩阵。上述方法中有的是直接使用信任值，有的则是基于信任网络。信任网络与评价网络由用户过往交互产生，每个用户的日常行为均会在其局部网络中有所体现，即网络结构能够反映出用户的喜好偏好，这也是所有结合社会网络的方法的基础，更具体说是信任网络的社会学基础。而本文中则直接从被推荐者的局部网络结构角度出发，研究部分局部特性对于推荐结果的影响。过往关于信任和信任传递问题的研究中信任传递方法对于每个用户来说都是相同的，并不能考虑到每个用户的实际情况，而实际情况中对于不同节点，连接其与其最佳推荐节点群的路径的模式是不同的。本文的目的就是希望通过对聚团结构中节点的局部结构性质进行分析以发现针对特定节点的最优信任传递路径的找寻方法，以给出用户满意的推荐结果，实现真正的个性化推荐。
1基本定义
1.1系统背景
近来年随着网络群体的扩大和用户对高服务质量的需求，信任被广泛引入各类网络推荐系统。以评价类网站（epinions、豆瓣等）为例，若用户a将用户B标记为信任，按照定义就是来自B的相关推荐能满足a的需求、能引起a的兴趣，也意味a赞同B的品味，即俩人的偏好是存在诸多相似之处的。若B信任C，则B与C的偏好亦然。这也暗示着a与C的偏好可能存在相似之处。对于节点间的信任与相似度已有研究验证[14]，推荐系统中的传递信任也多有研究[5]。
对于信任网络，在电商、p2p服务选取、新闻推送、广告推送等领域并不存在用户间的显性信任关系，在影评、书评、微博、博客、贴吧、交友网等领域是存在显性社会网络的。对于前者研究者们会根据过往用户间的推荐准确率来构建一个信任网络[13]，对于后者研究者们也可通过过往推荐准确率来给出信任关系修正。
不论是何种推荐系统都是根据用户过往信息来推断用户喜好以给出最有效的推荐。本文希望能通过对用户的偏好、喜好进行虚拟量化来尝试找出结合信任的协同过滤算法中的信任传递性质。
此类系统所面向的对象是各类网民，针对背景是各种领域。且用户的真实偏好短期内是固定的，并部分反映在过往行为信息中，因此对于用户兴趣、偏好只能尽可能地从用户过往行为中抽取并给出预测。为了避免推荐系统由于数据不完备引起的固有缺陷过度拟合问题，本文中认定一旦用户的过往行为中某种兴趣点频率超出预设阈值（此阈值可通过机器学习找出）则认定其对此点感兴趣，并不对兴趣点设定权值。
2局部性质研究
过往研究已表明将信任与推荐系统结合可以有效地解决传统推荐算法中数据稀疏、用户冷启动及运算时间问题，但仍缺乏对信任网络的局部特性研究。
本章将讨论结合信任网络的推荐系统中信任传递的一些基本性质。
在研究性质之前，先做几个假设。
假设1用户相似度与推荐准确度存在正相关关系。此看法最早源于社会学中的研究，此后被引入推荐系统中，并已有此背景下证明[14]。
3实验验证与分析
3.1实验数据集
epinions是一个用户可在其上书写评论的跨度耐用消费品、电子物品、大学、职位等各个领域的网站，其中的评论者会根据他们的评论被阅读的次数获取稿酬，这使得很多人非法使用此系统。此网站在提出支付酬劳6个月后引入了信任机制用来解决这个不诚信问题。信任网络使这一机制非常重要也非常成功地确保了网站的流行和所选择评论的高质量。本文的实验数据是massa等收集的epinions数据集。
3.2实验过程与分析
首先验证性质1，即共同兴趣与信任存在正相关关系。兴趣是从过往喜好项目中抽取，若用户间过往评分相似，则抽取出的兴趣集也会相似，因此在这里使用用户过往评分相似度来代替用户间的共同兴趣集的相似度。根据用户过往评价与用户间的信任关系分别测定了部分节点与其信任用户间的相似度平均值和其与全部节点间的相似度平均值，在实验中通过从整体数据集中随机抽取了500个节点，其中一次结果如图2所示。
4结语
近几年结合信任的推荐系统已成为研究热点，本文主要针对信任网络中的局部特性提出、证明并验证了从被推荐者角度出发的几条性质，并验证了统一推荐者群体发现模型的弊端。接下来会进一步研究针对不同的被推荐者选择何种信任传递能达到更好的推荐效果，及如何有机地将各类局部特性与现有推荐系统整合以实现更具个性化的推荐系统。
参考文献：
[1]ReSniCKp，VaRianHR.Recommendersystems[J].CommunicationsoftheaCm，1997，40（3）：56-58.
[2]LanGK.newsweeder：learningtofilternetnews[C]//iCmL1995：proceedingsofthe12thinternationalConferenceonmachineLearning.SanFrancisco：morganKaufmann，1995：331-339.
[3]GoLDBeRGD，niCHoLSD，oKiBm，etal.Usingcollaborativefilteringtoweaveaninformationtapestry[J].CommunicationsoftheaCm，1992，35（12）：61-70.
[4]aDomaViCiUSG，tUZHiLina.towardthenextgenerationofrecommendersystems：asurveyofthestateoftheartandpossibleextensions[J].ieeetransactionsonKnowledgeandDataengineering，2005，17（6）：734-749.
[5]GUHaR，KUmaRR，RaGHaVanp.propagationoftrustanddistrust[C]//www2004：proceedingsofthe13thinternationalConferenceonworldwideweb.newYork：aCmpress，2004：403-412.
[6]KaUtZH，SeLmanB，SHaHm.Referralweb：combiningsocialnetworksandcollaborativefiltering[J].CommunicationofaCm，1997，40（3）：63-65.
[7]maSSap，aVeSanip.trustawarerecommendersystems[C]//ResSys2007：proceedingsofthe1staCmConferenceonRecommenderSystems.newYork：aCmpress，2007：17-24.
[8]JamaLim，eSteRm.amatrixfactorizationtechniquewithtrustpropagationforrecommendationinsocialnetworks[C]//ResSys2010：proceedingsoftheFourthaCmConferenceonRecommenderSystems.newYork：aCmpress，2010：135-142.
[9]GoLBeCKJ，HenDLeRJ.Filmtrust：movierecommendationsusingtrustinwebbasedsocialnetworks[C]//CCnC2006：proceedingsofthe3rdieeeConsumerCommunicationsandnetworkingConference.piscataway，nJ：ieeepress，2006：282-286.
[10]oDonoVanJ，SmYtHB.trustinrecommendersystems[C]//iUi2005：proceedingsofthe10thinternationalConferenceonintelligentUserinterfaces.newYork：aCmpress，2005：167-174.
[11]tonGXR，LonGY.Formationoftransitivetrustnetworks[J].JournalofComputationalinformationSystems，2013，9（11）：4263-4270.
[12]tonGXR，ZHanGw，LonGY.transitivityofagentsubjectivetrust[J].JournalofSoftware，2012，23（11）：2862-2870.
[13]maSSap，aVeSanip.trustawarecollaborativefilteringforrecommendersystems[C]//otm2004：onthemovetomeaningfulinternetSystems2004：CoopiS，Doa，andoDBaSe，LnCS3290.Berlin：SpringerVerlag，2004：492-508.【：会议名即为onthe…
[14]ZieGLeRCn，GoLBeCKJ.investigatinginteractionsoftrustandinterestsimilarity[J].DecisionSupportSystem，2007，43（3）：460-475.
[15]panJ，XUF，LYUJ.Reputationbasedrecommenderdiscoveryapproachforserviceselection[J].JournalofSoftware，2010，21（2）：388-400.
[16]XUHL，wUX，LiXD，parisonstudyofinternetrecommendationsystem[J].JournalofSoftware，2009，20（2）：350-362.
[17]paLaUJ，montaneRm，LopeZB.Collaborationanalysisinrecommendersystemsusingsocialnetworks[C]//Cia04：proceedingsofCooperativeinformationagents.Berlin：SpringerVerlag，2004：137-151.
保研推荐信篇3
关键词：在线拍卖；用户偏好；本体；商品推荐
中图分类号：F274 文献标识码：a 文章编号：1005-0892(2011)04-0082-05
在线拍卖商品推荐就是向用户提供商品推荐，帮助用户快速找到所需要的在线拍卖商品，满足用户个性化的需求，从而保留老客户，吸引新客户，提高客户对在线拍卖网站的忠诚度。目前，有关商品推荐的研究已经得到国内外学者的广泛关注，其中具有代表性的研究成果有：Soe-tsyrYuan等人提出了一种基于本体的个性化耦合聚类的异构商品推荐，不仅降低了用户搜索在线商品的时间，还保持了与用户良好的关系。B.Xiao等人构建了基于案例推理和协同过滤的智能商品推荐系统。陈冬林等人提出了电子商务网站、知识网格节点和虚拟知识网格服务社区三级结构模型，设计了基于知识网格的电子商务智能推荐系统结构。冀俊忠，沙志强等人通过对客户的购物历史数据进行学习，得到贝叶斯网客户购物模型，然后结合客户当前的购物行为，提出了一种基于贝叶斯网客户购物模型的推荐系统框架，把推荐过程形式化为购物信息的知识表达、知识推理过程。这些研究成果对于促进商品推荐的发展与实际应用起到了重要的作用，并在电子商务网站得到了应用，但主要集中于B2C电子商务网站，尚缺少有关商品推荐在C2C环境下的应用研究，也缺少有针对性的系统构建方法及支撑技术的研究。为此，本文根据需要针对用户的实际需求，着重研究如何构建在线拍卖商品推荐系统，在分析用户对在线拍卖商品需求的基础上，提出一种面向用户偏好的在线拍卖商品推荐系统的构建方法。
一、在线拍卖商品推荐需求分析及现状
在线拍卖商品推荐是依据用户的兴趣偏好，使用推荐技术(如基于案例推理的推荐技术、基于协同过滤的推荐技术等)，将合适的拍卖商品推荐给用户，帮助用户快速找到所需的拍卖商品，实现个性化的服务。通常，用户在拍卖网站的行为在很大程度上代表了用户对拍卖商品的兴趣取向，用户在拍卖网站的行为大致可以分为：浏览感兴趣的拍卖商品、参加拍卖商品的竞拍活动和购买竞拍得标的拍卖商品，根据用户在拍卖网站的行为，我们把在线拍卖网站的商品分为浏览拍卖商品、竞拍拍卖商品和购买拍卖商品三大类，用户对这三大类拍卖商品的兴趣偏好存在如下关系：浏览拍卖商品的兴趣偏好
然而，随着网络用户的不断增加，传统的商品推荐服务在商品推荐过程中没有考虑相关领域的语义知识，存在着同一商品知识描述不统一、资源语义异构问题，商品或用户间的隐含联系难以体现，导致商品推荐精度较低。本体作为领域内部不同主体(人、计算机等)之间进行交流的一种语义基础，其目标是捕获相关领域的知识，提供对该领域知识的共同理解，确定该领域内共同认可的术语，并从不同层次的形式化模式上给出这些术语和术语之间相互关系的明确定义，实现对领域知识的推理。正是因为本体不仅可以提供领域内的通识术语，形成对该领域知识的共同理解，解决语义异质问题，还可以明确定义概念在使用中的属性及其有关约束，将存在于应用中的隐性知识进行形式化表达，从而为领域的标准化提供概念共享，所以在在线拍卖商品推荐中利用本体能够有效改善推荐的质量。
鉴于上述问题，本文在研究在线拍卖商品推荐时，引入本体技术，考虑如何将用户感兴趣的拍卖商品推荐给用户，即基于本体和面向用户偏好的在线拍卖商品推荐。
二、面向用户偏好的在线拍卖商品推荐系统模型
(一)面向用户偏好的在线拍卖商品推荐系统模型的构建
通过对在线拍卖商品推荐需求的分析，我们设计了如图1所示的面向用户偏好的在线拍卖商品推荐系统模型，分为界面应用层、分析／推荐层和数据存储层。面向用户偏好的在线拍卖商品推荐是一个动态的、交互的过程，在推荐过程中，根据用户偏好的不同采用不同的推荐策略，向用户推荐不同的拍卖商品。
分析／推荐层是在线拍卖商品推荐系统的核心层，该层由离线处理agent和在线推荐agent模块组成，并把领域本体集成到离线处理和在线推荐过程中，使得在离线处理和在线推荐阶段均能充分利用语义知识，提高拍卖商品推荐的准确率。离线处理agent主要包括数据预处理和语义知识发现。其中，数据预处理的主要任务是对服务器的用户浏览日志文件和用户交易数据文件等进行数据预处理，数据预处理的主要步骤包括：数据集成、数据清洗、数据变换、数据简化、用户识别、会话识别、交易事务识别和路径补充等。数据经过预处理后，就可以进行语义知识发现，语义知识发现就是利用数据挖掘算法(如聚类分析、关联规则等)对预处理后的数据进行数据挖掘，找出关联规则、序列模式等，而后对这些模式进行分析、解释和可视化，从中筛选出有用的、可以理解的知识规则，为推荐引擎提供支撑。在线推荐agent主要包括推荐引擎，推荐引擎的主要任务是根据当前用户访问操作序列与离线处理agent得到的历史用户访问模式进行匹配，针对不同需求采用不同的推荐模型进行页面推荐。
数据存储层主要完成数据的分类存储和本体的管理，包括用户信息库、用户浏览日志库、用户交易数据库、领域本体库等。
将领域本体集成到面向用户偏好的在线拍卖商品推荐系统模型具有以下优点：1.采用领域本体来描述在线拍卖所涉及到的概念及概念之间的关系，可以降低传统个性化推荐在模式匹配过程中的算法复杂度，提高在线推荐的效率；2.将领域本体应用到在线拍卖商品推荐系统中的数据预处理、语义知识发现和在线推荐阶段，使得在线拍卖推荐的每个阶段均能有效地利用语义知识，提高推荐的准确率和推荐质量。
(二)面向用户偏好的在线拍卖商品推荐系统的运行流程
在线拍卖网站以会员注册的方式把用户的详细信息存入用户信息库中，包括用户的基本信息、年龄、职业、购买能力、拍卖商品偏好、e-mail等。网站可根据用户信息库中的有关信息，对用户进行分类和数据挖掘，通过网页等不同方式定期向用户推荐商品。同时，用户浏览过的网页历史信息以及有关的交易信息，系统可以记录，用户离线后，系统对用户浏览日志信息和用户交易数据信息进行数
据预处理和语义知识发现，得到相应的用户语义偏好，然后，在线推荐引擎根据当前用户访问操作序列和用户语义偏好进行匹配，针对不同需求选择不同的推荐算法进行运算，将执行后得出的推荐集反馈给用户，进行实时推荐。图2给出了面向用户偏好的在线拍卖商品推荐系统的运行流程。
三、面向用户偏好的在线拍卖商品推荐系统实现的关键技术
构建面向用户偏好的在线拍卖商品推荐系统所涉及的关键技术包括本体、数据挖掘技术、智能agent技术。
1.本体技术
本体是作为领域内部不同主体之间进行交流的一种语义基础，描述领域内概念以及概念间的关系，提供对该领域的共同理解。本体的构建主要包含两个任务，一是从企业信息资源中抽取有关概念；二是定义概念与概念间的相互关系。本体的构建是一项浩大的工程，涉及众多的领域，是一个循环往复、不断完善、逐步求精的过程，要不断地对本体进行评价和修改，直至符合要求为止。本文引入本体，以wordnet和owL语言为工具组织和描述有关信息，其具体思路为：将在线拍卖网站的用户浏览日志、用户交易记录数据、商品数据库等，通过数据预处理、格式转换、概念抽取等环节，采用owL语言统一描述和组织领域本体。语义相似度是两个概念在不同的上下文中可以互相替换使用而不改变文本的句法语义结构的程度。在拍卖商品推荐的过程中，一般而言，在生成推荐集的时候，需要考虑选用合适的匹配算法，利用语义知识发现得到的用户语义模式和当前用户访问操作序列的相似度来得到推荐结果，在计算用户语义模式和当前用户访问操作序列的相似度时利用本体技术可以提高计算的效率和准确性，从而提高拍卖商品推荐的质量。
2.数据挖掘技术
在线拍卖网站在运作过程中，积累了大量的用户交易数据以及用户浏览日志信息，这些信息蕴涵了无比丰富的知识。为了实现客户保持，提升客户忠诚度，同时推进在线拍卖网站的营销模式，需要采用数据挖掘技术，运用web挖掘方法对用户浏览日志信息和用户交易数据进行挖掘，动态的生成用户感兴趣的链接，从而实现拍卖商品的个性化的推荐，帮助和指导用户更科学、更合理地做出购买决策。web挖掘是指利用关联规则挖掘、聚类分析、分类学习等数据挖掘算法，从与web相关的资源和用户浏览行为中抽取感兴趣的、有用的模式等隐含的信息。根据挖掘对象的不同，web挖掘分为web内容挖掘、web结构挖掘和web使用记录挖掘，本文就是对web的使用记录进行挖掘，通过对用户浏览日志信息和用户交易信息等进行挖掘，发现用户访问web页面的模式。web使用记录挖掘通常包括数据预处理、数据挖掘、模式分析和可视化三个步骤，如图3所示。web使用记录挖掘首先对原始的用户浏览日志信息以及用户交易信息进行数据预处理，将其转变为适合挖掘的格式，以满足挖掘算法的要求，并以用户会话文件的格式保存到数据库中，作为挖掘算法的输入，然后在此基础上由系统自动推荐或用户自己选择合适的数据挖掘算法对预处理后的用户浏览日志信息以及用户交易信息进行挖掘，找出关联规则、序列模式等，最后利用领域专家的知识以及其他一些可用的标准对这些模式进行分析，从中筛选出有用的、可以理解的模式，将发现的模式以表格、图形等表现形式显示出来。
3.智能agent技术
智能agent技术是实现拍卖商品推荐引擎的核心技术，智能agent技术是一种分布式计算环境下软件智能化技术，是人工智能和网络技术相结合的产物，它提供了一种在分布式异构环境下智能化应用实现智能化协调的全新计算模式。智能agent技术是具有agent全部特征，具有一定程度的智能性，能为用户执行特定的任务。面向用户偏好的在线拍卖商品推荐引擎具有一定程度的智能性，可以根据预先设定的推荐策略，自动完成拍卖商品的推荐的功能。
四、结语
论文针对传统的商品推荐服务在商品推荐过程中商品知识描述不统一、资源语义异构等问题而导致商品推荐精度较低的问题，提出在拍卖商品推荐过程中引入本体技术，并构建了基于本体的面向用户偏好的在线拍卖商品推荐系统框架，根据用户的兴趣偏好，向用户推荐可能感兴趣的拍卖商品，帮助用户快速找到所需要的拍卖商品。在该框架中，利用领域本体来描述在线拍卖所涉及到的概念及概念之间的关系，从而可以降低传统个性化推荐在模式匹配过程中的算法复杂度，提高在线推荐的效率。同时，将领域本体应用到在线拍卖商品推荐系统中的数据预处理、语义知识发现和在线推荐阶段，使得在线拍卖推荐的每个阶段均能有效地利用语义知识，提高推荐的准确率和推荐质量。
参考文献：
[11第26次中国互联网网络发展状况统计报告[eB/oL].省略/html/1279173730d2350.html，2010，7.
[2]Soe-tsyrYuan，andChiahsinCheng.ontology―basedpersonalizedCoupleClusteringforHeterogeneousproductRec-ommendationinmobilemarketing[J].expertSystemswithapplications，2004，26(4)：461―476.
[3]B.Xiao，e.a.meur，J.m.Fernandez.pCFindef：anintelligentproductRecommendationagentFore-Commerce[C].ieeeinternationalConferenceone-Commerce，newportBeach，USa，2003：181―188.
[4]陈冬林，聂规划，刘平峰，基于知识网格的电子商务推荐系统设计[J]，计算机应用研究，2006，(12)：307―309.
[5]冀俊忠，沙志强，刘椿年，一种基于贝叶斯网客户购物模型的商品推荐方法[J]，计算机应用研究，2005，(4)：65―71.
[6]邓志鸿，唐世渭，张铭，杨冬青，陈捷，ontology研究综述[J]，北京大学学报(自然科学版)，2002，38(5)：730―738.
[7]刘群，李素建，基于《知网》的词汇语义相似度计算[J]，ComputationalLinguistlesandChineseLanguageprocess-ing，2002，7(2)：59―76.
保研推荐信篇4
[关键词]电子商务；推荐系统；协作过滤；个性化推荐
[中图分类号]F062.省略就是通过利用偏好或其他用户购买信息来介绍书籍或者其它产品给用户的推荐系统。然而，使用的技术相当简单，而且并非很精确和有效。基本上，程序将当前客户购买的一系列产品与其他客户购买的一系列产品作比较，选择客户购买较多的产品与当前客户购买的产品集合的交集，最后从中选出一些尚未被客户所购买而仍然在顾客购物篮中的产品，并将它们作为推荐列表呈现给客户。该技术也用于类似于协作过滤的文本文档的信息抽取。电影或音乐唱片的推荐，例如moviefrnder.省略，以及CDnow.省略通过将书籍推荐给已经购买过特定书籍的顾客实现个性化推荐的。.所推荐书籍概括的分为有两种：小说书籍和非小说书籍。小说书籍的推荐很简单，就是将同一作者的其它小说书籍推荐给特定用户，这样最终就将由该作者撰写的相似类别的小说书籍推荐给了有相似背景的用户。而非小说书籍的推荐将是将每个作者的相似类别的小说书籍推荐给了有相似背景的用户。
五、电子商务推荐技术存在的问题和发展方向
综合目前电子商务中个性化推荐系统的现状可以看出，现存的个性化推荐系统技术大都是基于规则的系统，基于内容过滤的系统，以及协作过滤系统三种。而且，这些个性化推荐系统所运用的技术也仅仅限于基于内容的过滤，Knn(L-nearestneighboring)技术，基于聚类的(Clustering-based)协作过滤，基于项目的(item-based)协作过滤，序列模式，规则分析等等。由于这些推荐系统各自应用范围的局限，而且都不同程度的需要人工参与，因而导致目前推荐系统的推荐精确度较低。不仅如此，大多数个性化推荐系统只是给用户推荐一些不同类别的资源，这与普通的搜索引擎比较相似，而且对用户正确行为的推荐却比较少。
未来电子商务推荐技术研究的发展主要体现在以下几个方面：
1.组合推荐技术的研究
众所周知，现存的推荐技术已经得到推广和应用，但各种技术都存在一些缺陷，能否将各种推荐技术融合起来作到取长补短是未来电子商务推荐技术研究的重要课题。
2.推荐技术准确度的研究
目前的推荐技术推荐的准确性还得不到保证，准确度的研究还局限在手工实验阶段，因此，研究出自动的准确性验证理论模型就显得非常重要。
3.数据获取方面，主要还是依赖用户的显式评价，在自动获得用户的隐式信息方面做得不够。
4.研究过于集中解决推荐算法性能的提高，对推荐系统的开发与应用，尤其是与企业其它系统的集成应用，在辅助企业的市场销售，客户管理和企业商务智能方面缺乏研究。
参考文献：
[1]CooleyR，mobasherB，SrivastavaJ.Dataprepara2tionforminingworldwidewebbrowsingpatterns.JournalofKnowledgeandinformationSystems，1999(1)：230～241
[2]GoldbergD，nicholsD，okiBm，terryD.Usingcol-laborativefilteringtoweaveaninformationtapestry.Communi-cationsoftheaCm，1992，35(12)：61～70.
[3]ResnickandVarian.RecommendationsystemsCommu-nicationsoftheaCm，40(3)：56C58，1997.98-122
[4]R.D.Lawrence，G.S.almasi，V.Kotlyar，m.S.Viveros，S.S.Duri，personalizationofsupermarketproductrecommenda-tions，iBmResearchRport，2000.43-75.
[5]邓爱林，朱扬勇，施伯乐.基于项目评分预测的协同过滤推荐算法[J].软件学报，2003，(9).
保研推荐信篇5
[关键词]社会化推荐 网络浏览 信息行为
[分类号]G350
1引言
一般认为，信息查寻(seek)行为包括检索和浏览两大类。传统的信息行为研究往往将浏览(browse)与检索(search)严格区分开，认为“检索是一种有明确目标、有计划、能清楚表达信息需求的信息查寻行为；而浏览是没有具体信息需求目标或难以清楚表达信息需求的较随意的信息查寻行为。”…然而，在现在很多情境下，信息查寻行为已很难按原有逻辑对行为类型做出清晰的界定，本文述及的基于社会化推荐的信息查询行为即是一例，根据该情境下信息行为的基本特征，本文将其划归为浏览的范畴。但与此同时，对传统信息浏览行为的定义和描述就势必需要做出一定的调整。
社会化推荐(socialrecommendation)是web2.0的一个重要特性，其具体形式包括群体发掘(digging)、社会化书签(socialbookmarking)和社会化标签(socialtagging)等。其基本特征是通过群体性的评注行为(collectiveannotating)来对网络资源进行社会化的标引(socialindexing)。由于其操作的简易性和标注的丰富性，广大互联网用户从这种社会化行动中既体验到了互动的乐趣，同时为自己的信息查寻找到了一种全新的渠道――定制型浏览(preferencebrowsing)和交互型浏览(interactivebrowsing)。相对此前盲目迷走在超链接中的传统浏览模式，这一渠道极大地提高了网络用户浏览的效率和质量。
然而，这一情境下的浏览行为与传统认识和研究中的浏览行为有着明显的差异，而这一差异却并未得到信息行为研究领域足够的重视和关注。因而本文拟在现有浏览行为模型的基础上，将社会化推荐情境下的新的浏览行为的特性进行整合，以对原理论模型提出相应的改进。
2网络社会化推荐的模式
基于对互联网上具有推荐功能的产品和服务的回溯，结合对antonius(2009年)关于“社会化书签的推荐系统”的研究中所总结的三类推荐模式的扩充，本文将网络内容推荐模式归纳为以下6类：①基于大众分类(folksonomy)的推荐：按类目推荐――例如Yahoo!分类目录。②基于浏览历史的推荐：按相似性推荐一例如电子商务网站的商品推荐。③基于社会化标引的推荐：按标签(tag)推荐一例如博客系统的同tag日志自动推荐。④基于社会化评价的推荐：按评价统计值(累计的dig／bury值,thumbup／down值、保存为书签(bookmarked)的次数和被评论的频次；被给予星级的平均值等)推荐，或按不良报告(垃圾信息、重复)过滤――例如diggt3J、豆瓣等社会化软件及媒体。⑤基于社会网络的推荐：网络好友的推荐一例如社会化书签软件Delicious、兜乐等。⑥综合的推荐模式：综合大众分类、浏览历史、社会化标引、社会化评价、社会网络等手段来做推荐一例如啃一啃、StumbleUpon等社会化软件及媒体。
以上6类推荐模式中，其中后4类就属于社会化的推荐模式。这种推荐模式的出现是源于网络信息环境从1.0跃迁到2.0才得以产生并蓬勃发展的，因此社会化推荐首先是建立在web2．0的信息环境之上的产物。新的环境产生信息的行为模式，这与Dresang(1999年)所提出的信息环境的“剧变理论”(theoryofRadicalChange)的观点是相一致的。Dresang称，我们之所以经常浏览，是因为浏览所对应的情境――复杂且快速变化的世界中未知的事务――变得越来越多，我们越来越被其所包围。
为更好地理解社会化推荐的模式，这里以综合推荐模式的代表性产品StumbleUpon为例，其产品核心是：一个分类引擎、一个聚合引擎、一个推荐引擎和一套评价机制。其产品工作机理如图1所示：
正如StumbleUpon的产品描述所提及的，社会化推荐的主要特点恰好也反映在：①比检索简单，比浏览高效；②能有效应对信息超载；③采用的是有效的人员驱动(人工采编和社会化采编)的技术；④可以作基于社会网络的信息浏览；⑤是个人定制化的浏览工具。
3 基于社会化推荐的甩户浏览行为
本文通过考察众多社会化推荐服务中所呈现的共性的环节，将基于社会化推荐的用户浏览行为划分整理为如下三个阶段及相应的活动，如图2所示：
值得注意和说明的是，这里的三个阶段并不对应着前后顺序关系，每个阶段的相关活动之间也不都存在依赖关联，是属于典型Fomter(2004年)所提到的“非线性信息查寻(nonlinearinformations~kins)”中的一种。用户几乎可以从任何―个环节点上开始自己基于社会化推荐的浏览，而且可以随时跳转进入其他的环节。
从具体的阶段活动来看，预定义阶段中的定制(customize)活动实际上是对“个人预期的信息需求”(personalanticipatedirfformationneed，pain)所做的一种初步确认和订阅。而这种定制是需要首先通过注册(register)，然后需要花费一番心思来选择或创建自己“感兴趣”的主题的。从传统意义上来看，这一心力投入与浏览行为的随意性相左，然而相比此后可以更高效、精准地接收和浏览信息，这一付出就显得非常“劳有所值”。在完成这一阶段的工作后，基于社会化推荐的浏览就会很“知心”而且很方便(比如只需点击同一个网页按钮)。从这一点来看，这项安排实际上是从全局上遵循人们在进行信息行为时倾向的最小努力原则(principle0fLeasteffort，pLe)――即希望能付出最小代价来获得最大效益的。
如前所述，由于社会化推荐浏览的各个阶段和各项活动并不存在必然依赖关系，因此即使个人不定制pain，基于社会化推荐的浏览仍可进行，只是这个时候系统只能为用户提供随机或最新、最热的收录网页而非依据其个人兴趣而推送。然而无论是定制或非定制下的基于社会化推荐的浏览行为，由于主要都还是基于休闲(获取信息和新知的严肃性休闲(seriousleis-ure))的动机，因此从动机角度其行为特质更倾向于是浏览而非检索。
由于查询阶段中“挖掘”(Discover)性质的活动只需要付出极小的成本(例如，鼠标的一次点击)，就可以获得一个定制的被推送的相关网页。用户可不断地
来做这种网页挖掘(通常是跨网站的)，直到浏览者认为相关的信息足够。因而这一过程恰恰就类似于Bates(1989年)所描述的非一站式的类似于采莓(Ber-rypieking)形式的信息行为过程。在这一比喻中，野莓分散于矮丛中，而不是以一串串的型态存在，要采它们必须一次一个，逐步前进，因此采莓模式中，重视的是一连串的搜寻行为。同时，由于“挖掘”返回的结果在一定程度上的不可预期性(定制范围内返回结果的随机性)，因而从某种意义上讲，这一浏览形式也是er-delez(1997年)所提到的“信息邂逅(informationen―countering)”行为的一种具体体现。
再从其他环节的活动，如查寻阶段的查阅、跟踪、探索和响应阶段的评价、附注、投诉和社交来看，其主要特征反映在其社会性上。这些环节上的活动表现出典型的群体性(collective)。涉及到群体性就牵涉到群体行为中几乎必然会存在的搭便车现象，现实的社会化推荐服务中多数用户就对网页多不予评价，也不做其他的一些丰富和提升标引质量的工作。通常少数用户的热心投入以及系统自身投入的人工采编就足以构成整个社会化推荐系统的正常和良性的循环。当然，如果这一参与比例过小，整个“游戏”就会很快难以维系，推荐的频度和质量一旦下滑会使大部分的用户“出走”。因此从这个意义上讲，这类系统的用户界面设计至关重要，如果用户觉得稍有不便，就不会参与更多响应阶段的活动，而恰恰是这部分的活动是保证社会化推荐系统良性运转的关键。
此外，群体性也为群体获取高质量的信息提供了一定程度的保障，这种大家一起为共同目标而贡献心力的群体性现象很容易让人联想到另一种特定的信息行为现象――信息捕猎(informationforaging)。与最初针对的研究学术共引现象不同，基于社会化推荐的浏览是一个缺少竞争性的信息活动，捕猎一词在这里也许并不妥当。这种行为如果做仿生学的比喻，也许更像蜂群或蚁群在遇到花群或食物时基于释放某种信息素所做的信息交换。而在社会化推荐的浏览行为中这种“信息素”也许就是大家所基于的系统的一套共同的大众分类体系和评价体系。因此在这一比喻下，或许我们可以用另一个生物学词汇来形容这种群体――招引(attracting)。
然而人类并不只是简单的群体性生物，他们还是社会化的生物。Bandura(1986年)所提出的社会认知(so―cialcognition)理论认为，在指导人的行为的过程中，自我效能和社会过程是相互作用的。因此由既有的社会规范和社会发展阶段所决定的社会认知，在社会化推荐这一社会系统中就有着其无法回避考虑的影响。
结合信息行为研究中的相关理论成果，本文尝试对基于社会化推荐的浏览行为给出以下一个涉及多理论基础的“定义”：在网络信息环境已发生剧变的情形下，一种基于个人预期信息需求定制并受社会认知影响，主要服务于休闲目的并遵循最小努力原则，采用类似于采莓机制的非线性、非任务性的信息邂逅行为及群体性的信息招引行为。
4 社会化推荐浏览对传统浏览行为理论模型的影响与改进
台湾学者林珊如(2001年)曾较为全面地根据浏览动机细分了10种类型的浏览形式：确认性浏览、同域内浏览(situationbrowsing)、机缘性浏览(opportunisticbrowsing)、系统性浏览、评估性浏览、焦点性浏览、监视性浏览、指向性浏览(indicativebrowsing)、预备性浏览(preparatorybrowsing)和邀约性浏览。而本文中基于社会化推荐的浏览行为涉及了其中以“寻求共性文档”为动机的系统性浏览、评估性浏览和焦点性浏览，以“动态跟踪”为动机的监视性浏览和“无目的性”的机缘性浏览和邀约性浏览6种。前文中所提到的定制型浏览和交互型浏览实际上是以上6种浏览形式的两种聚类。通过归纳社会化推荐中的浏览类型并分析这些浏览行为的动机，我们也看到基于社会化推荐的浏览行为实际上是支持多动机、多形式的一种浏览策略与方式。
就传统对信息浏览行为的动机研究而言，王庆稳、邓小昭(2009年)关于信息浏览行为的研究中，对前人和自身工作做了总结并穷举了8类动机：查寻信息、信息需求的修正、增加信息完整性、跟踪信息进展、资料收集、满足好奇心、消遣性浏览、享受浏览经验。虽然该框架存在一定的概念重叠，但本文重点是在原有动机分析的成果基础上，提出基于社会化推荐的浏览有哪些新的动机需要考虑。基于此，本文只列出以下作为“增量”的浏览行为动机：①期待未知的新奇(与上述单纯满足好奇心的动机不同，这里是对“掷骰子”――点击推送按钮所返回未知结果的一种期待)；②参与社会化活动(例如参与讨论和“顶贴”等)；③交友(通过浏览发现志趣相投的朋友，例如发现推荐了相同的网页的用户)。
此外，关于信息浏览行为的影响因素，王庆稳、邓小昭(2009年)也做了基于传统概念中浏览行为的影响因素归纳，他们认为除了受一般因素的影响，如用户的需求内容，用户的年龄、职业、知识、经验、受教育程度、区域上的差异、查寻信息的能力、信心与期望、需求动机、兴趣、好奇心等之外，主要还要受几种与网上信息浏览相关的特殊因素的影响，这些因素包括：可支配时间、上网费用、传输速度、人机界面、网页质量。虽然上网费用和传输速度当下大多数情况下已非关键因子，但考虑到部分终端(如手机)以及网络发展水平的差异，上网浏览仍然会受这两个因素的制约，因而在影响系中仍可保留。
而就基于社会化推荐的浏览行为而言，本文认为，涉及浏览行为的相关影响因素还应包括以下几项：①社会认知(这一点在社会化网络环境中愈发明显)；②浏览者的工具涉人程度(对个人信息需求定义和对工具的训练的积极性)；③浏览者工具方面的信息素养(社会化推荐软件自身已成为一种浏览“器”，工具的掌握程度对浏览的效能影响很大)；④社会化软件运营商自身服务的稳定性和质量(因为他们除了提供工具还提供内容，因而是整个浏览行为中非常重要的一环)。
5 对浏览与检索行为的重认识
无论是赫尔纳认为浏览是检索的上类位的观点，还是贝尔金认为浏览是检索下类位的看法，他们都不赞成将检索与浏览划分为不同的两极行为。国内在浏览行为研究上颇为深入的邓小昭也认为：“网上信息浏览与网上信息检索这两种行为只不过是网上信息查寻行为的两种表现，我们可以按有无明确的信息需求目标来对两者加以区分，但这种区分从根本上讲只是一种程度之分。也就是说，在实际的信息活动中，两者有时是难以清楚地划断界限的，它们常常相互联系与整合在一起，共同构成了因特网信息查寻行为整体过程”…。
保研推荐信篇6
关键词：民主推荐处级干部选任科学性
民主推荐，就是中央组织部《党政领导干部选拔任用工作条例》规定的选拔任用党政领导干部的必经程序，是指党组织及其组织（人事）部门根据配备领导班子和提拔干部的需要，按照规定的范围和要求，组织有关方面人员参加的推荐副科级领导干部人选的方法和活动。
民主推荐,是当前干部考察工作贯彻群众公认原则的一项重要措施，是《党政领导干部选拔任用工作条例》在干部选任工作中从源头上预防和治理用人上的不正之风的有力武器，是民主政治建设的一大进步，使群众知情权、参与权、选择权和监督权得到充分体现，群众通过民主推荐提出自己拥护和信任的领导干部人选。
一、我省监狱系统处级非领导职务选任工作的现状
（一）职数空缺情况。省属各单位现有处级非领导职务人数310名，其中调研员36名，副调研员274名。调研员空缺46名，副调研员空缺55名，合计空缺101名。（职数空缺计算截止时间为20__年4月30日）。今年7—12月有26名处级非领导职务人员（调研员7名、副调研员19名）将退休，将这26名职数一并列入本次选任调研员、副调研员职数。省属各监狱本次实际可使用处级非领导职数共计127名（其中调研员53名，副调研员74名）。各单位调研员、副调研员原则上按应设处级非领导职数2：8的比例配备，根据职数空缺情况，进行补充。
（二）工作开展情况。6月25日，省监狱系统处级非领导职务选任工作全面启动，局党委分5个工作组分别在全省5个片区同时进行。选任工作的基本程序是：各单位党委上报调研员、副调研员使用建议方案、公布职位数和组织动员、申请报名、资格审查、民主推荐、确定考察对象、考察预告、组织考察、征求纪委意见、厅局党委讨论决定、宣布任职等11项。
民主推荐活动由局政治部到相关监狱统一组织进行。按照“三票制”的方法，即设置a票（监狱领导班子成员填写）b票（处级非领导干部和中层领导干部填写）c票（主任科员以及以下干部填写），在已申请报名并经资格审查符合条件的人员中进行民主推荐。其中参加民主推荐的a票人员全部到会，b票人员达到80%，c票人员达到50%。推荐时，各监狱按要求进行计票、监票，得票最后结果以a＋b＋c汇总票计，当场公布。截止7月10日，全省监狱系统民主推荐工作结束，100名同志民主推荐得票过半（其中调研员40名，副调研员60名），待局党委确定考察对象后进入考察阶段。
（三）工作的主要特点
1、领导高度重视。在实施方案出台前，局政治部认真进行了调研，在广泛征求各监狱的意见和建议的基础上，形成方案，局主要领导亲自审定实施方案，经局党委研究后报厅党委进行审定。厅局党委亲自对选任工作进行动员。
2、严格按程序办事。选任工作中，严格按规定时间、规定动作、规定程序有序进行；严格职数管理，“不准在干部选任过程中搞非组织活动；不准借机诬陷诽谤他人、打击报复，干扰选任工作”等工作纪律、组织纪律严明，监督部门全程监督工作开展。
3、切实做到民主、公开。民主推荐克服了在少数人中选人、靠少数人选人的局限性，使群众的知情权、参与权、选择权、监督权得到了充分的体现。符合条件的人员积极踊跃报名接受组织和群众的挑选，群众高度关心、关注选任工作，组织部门严格把关，监督部门严格监理，有效避免了暗箱操作，使选任工作阳光化，经得起“晒”。群众高度认可民主推荐，普遍认为民主推荐是民主政治建设的必然趋势，是群众公认原则的具体化。
二、当前民主推荐处级非领导干部工作过程中存在的不足
在实际工作中,一方面由于民主推荐的方法欠科学，导致选拔任用处级非领导干部过程中，出现干扰民主推荐正常进行的问题，使得民主推荐的科学性大打折扣。另一方面，如何把群众公认原则、党管干部原则、德才兼备原则有机地结合，如何把党委和群众的意愿有机地结合、如何把选任与“格外关注长期在条件艰苦、工作困难地方努力工作的干部”有机结合等方面，都还值得商榷。
一是存在“唯票”定论，科学性不足。在此次民主推荐过程中，各监狱都是以民主推荐得票过半后，从高到低直接排定出推荐人，而不对得票情况进行具体分析，组织日常的考察情况、个人的德才条件、发展潜力，特别是工作政绩大小等因素被忽略，“以票取人”，导致有些地方个别干部害怕在民主推荐、民主测评中丢票，工作中不敢坚持原则，缩手缩脚，当老好人。
二是过分强调赞成票的比重，涉嫌陷入利益格局。由于民主推荐赞成票不得低于50%成为否定性硬指标，加之受各种利益关系和不正之风的影响，造成部分参评人员到了民主推荐时大搞“小动作”、“拉票”，出现“利益票”“人情票”的问题，以至出现了“谁拉的票多谁能上，谁不拉票，谁吃亏”的情况，使民主推荐失去真实性而不科学。
三是过分注重参与率，民主推荐“内涵”不足。民主推荐时，相关部门严格按照规定的参与推荐比率组织群众进行民主投票推荐。但是存在部分参与推荐的同志、工作业务关联不紧密的部门的同志，对被推荐候选人的了解程度不够，有人都不认识的情况，免不了在推荐过程中“跟着感觉走”，使民主推荐“失真”，导致科学性受损。
四是过分强调民主推荐的形式，而对民主推荐本身宣传不够。有的群众对民主推荐的重要性认识不够，错误认为“民主推荐”只是一个形式而已；有的群众存在偏激思想，把个别部门存在的不正之风记在部门负责人（即符合条件的被推荐人）的帐上；有的群众对民主推荐信心不足，以个人好恶、感情近疏作为推荐标准。
三、原因分析
一是公开力度不够。单位对选拔任用领导干部方面的工作透明度不够，不能保障人民群众的知情权、参与权、监督权。同时，对建设民主政治方面的宣传引导工作不到位，致使部分群众对“民主推荐”缺乏科学的、正确的认识，错误地认为民主推荐是组织在“玩伪公平、伪公正、伪公开”的障眼法，而出现对组织程序的蔑视的心态。
二是在程序设置上缺乏操作的科学性。从监狱系统民主推荐处级非领导干部选拔任用工作的实践情况看，1、民主推荐结果都是直接被采信，在程序设置上，没有设置组织（人事）部门对推荐的结果进行科学分析的环节，致使“拉票”成为理所当然，同时导致组织考察培养领导干部的标准受到考验。2、民主推荐不分权重，片面地以a＋b＋c汇总票计，并直接运用到确定考察对象程序上，不能体现党管干部、民主集中的原则。3、在纪律、监察等部门工作的同志，难免要“得罪”一些领导和群众，他们的得票可想而知。这样难免助长不正之风，使同志们不再注重平时的修养建设、作风建设、效能建设、党风廉正建设等，而集中在民主推荐期间去大搞“小动作”、“拉票”，致使组织日常考察考核的“长期行为”被以票定乾坤的“短平快效益”取代。
三是群众参政议政的意识和能力不够。随着民主推荐、民主评议等民主活动的深入开展，群众的民主法制意识也在不断增强。但是人民群众的参政议政能力的提高是一个长期渐进的过程。群众在民主推荐活动中，客观地存在着凭个人好恶、凭他人言语、凭单方面的感觉来进行推荐活动现象，将行使参与管理的权利当作儿戏。另外，监狱系统长期的封闭性，导致了监狱的姻亲关系、裙带关系的特殊性，也使民主推荐的科学性和真实地受到考验。
四、增强民主推荐处级非领导干部工作科学性的途径
民主推荐是政治建设不断完善的一个标志，是不可逆转的发展趋势。监狱系统民主推荐处级非领导干部工作之所以存在上述问题，既有组织教育、宣传不够的问题，也有群众认识不到位的问题；既有制度程序执行中变形走样的问题，也有制度程序设计需要进一步完善的问题。这些问题都直接影响着民主推荐的科学性和真实性，直接影响着选人用人的质量和干部工作民主的健康发展，迫切需要认真加以解决。
（一）坚持用科学发展观指导处级非领导职务民主推荐工作
科学发展观是发展中国特色社会主义必须坚持和贯彻的重大战略思想，这是党的十七大对科学发展观作出的科学定位。发展社会主义民主政治，是全面建设小康社会的重要目标。扩大基层民主，是发展社会主义民主的基础性工作，监狱系统开展的民主推荐处级非领导干部工作也必须坚持以科学发展观为指导。以科学发展观为指导，就是要明确指导思想，紧扣科学发展观，科学设置民主推荐的制度和程序，规范民主推荐的内涵，制定科学的措施，讲究科学的方法，严格遵守民主推荐的有关规定，把好提名关，切实把民主推荐作为选拔任用干部的必经程序运用到群众公认原则的落实的第一环节上，让政治过硬、品行优秀、成效显著、群众公认的同志得到认可。同时注重将《党政领导干部选拔任用工作条例》就选拔任用党政领导干部规定的六条原则有机结合，真切体现民主推荐真实性、科学性，为建设一个又有集中又有民主，又有纪律又有自由，又有统一意志、又有个人心情舒畅、生动活泼的政治局面奠定基础。
（二）加大选任公开力度，引导群众在民主推荐活动中真实表达意愿
一要加大领导干部选拔任用工作的透明度，坚决杜绝暗箱操作，大力加强效能建设，利用广播、电视站、报刊、橱窗、思想政治工作分析会、座谈会等形式，让广大群众深入了解行使民主推荐权力的依据和合法性，全面了解民主推荐的内容、程序和方法。
二要加强教育引导，提高各层级的政治素质和民主参与重要性的认识。1、各级党政领导同志要增强政治观念、组织观念、法纪观念，带头严格执行《党政领导干部选拔任用工作条例》等规章制度，按照党管干部、德才兼备、群众公认、注重实绩、公开、公平、竞争、择优、民主、依法办事等选任干部的原则办事，不允许个人说了算，不能单纯地“以票取人”，杜绝“拉票”代替组织考察考核的现象发生。2、教育广大党员群众正确认识民主推荐的严肃性和科学性，以坚强的党性、良好的作风保证民主推荐程序的正常进行。要从大局出发，跳出个人私利的小圈子，从全局意识、执行落实、服务态度、工作效能、法制观念、廉洁守纪等方面，实事求是进行推荐，科学地参与到民主管理活动中。
（三）完善民主推荐的机制，为保证民主推荐活动的科学性奠定基础
一是重票而不唯票，落实好《党政领导干部选拔任用工作条例》规定的“应当把民主推荐的结果作为重要依据之一，同时防止简单地以票取人”的要求，对得票情况进行科学分析（可以组织群众参与分析），将定性的考察和定量的考核有机结合，根据干部考察中了解到的真实情况，对干部的德才条件、政绩大小做出正确的评价，理性而不失实、全面而不失重，坚决防止“以票取人”，我们可以坚持“一票否决制”，但不应当“一票定终身”。同时既不亏待长期在条件艰苦、矛盾复杂的地方工作的同志，又不委屈不图虚名、脚踏实地、埋头苦干的同志。
二是建议制定相应的政绩量化考核办法并将考核结果作为推荐的一个重要比重。究竟什么样的同志担任处级非领导职务既有利于实现我们开展这项工作的初衷，又有利于进一步调动广大民警的工作积极性，还有利于推动监狱工作的改革发展稳定大局，这个问题值得我们深思。这个方向如果偏了，效果必将适得其反。因此，我们应当更加高度重视推荐办法的科学性，尽可能把那些坚持原则、大胆创新、扎扎实实、兢兢业业为监狱事业做出了成绩的同志推荐出来，以避免少数群众认为民主推荐是“小孩做游戏”，或者产生自己被当成猴子耍等不良现象。
三是注重群众公认原则与党管干部原则和民主集中制原则的有机结合。科学设置民主推荐票的权重，区分abc票的计票比重，如可以像科级领导干部竞争上岗那样，以一定的比例设置计票比重，科学体现党管干部、德才兼备、群众公认的原则，更加真实、全面地体现民主推荐的科学性。
四是深化干部人事制度改革和扩大民主，尝试给参与竞争的同志一个合法表达自己、推销自己的平台来展示个人的才华，变暗处的无规则的拉票为公开的有规则的竞争。如贵阳市选拔县委书记就是很成功的实例，可以借鉴。
五是建议给予组织（人事）部门“设置程序权”。组织（人事）部门作为选任工作“首席执行官”，他们对这项工作最有发言权。建议专门设置综合评价环节，在具体操作上，强调由工作组集体对民主推荐环节形成的结果进行梳理、分析、比较，形成考察组集体的评价意见。在考察材料的形成上，综合民主测评、民意调查、个别谈话、实绩分析等环节的分析情况，以考察组集体的意见为准，避免那种可能由一个具体的执笔人，根据某个印象较深的谈话人意见写出考察材料的做法。同时，组织（人事）部门充分发挥职能作用，按照照章办事，严格履行程序，自觉抵制来自各方面不正之风的干扰，做到坚持原则不动摇，执行标准不走样，履行程序不变通，遵守纪律不放松，促使选任工作更加科学、真实。
（四）建立健全民主监督制度，保证民主推荐真实，确保科学反映民心民意
保研推荐信篇7
一、活动目的：
1、利用老带新活动，刺激老带新积极性，提高秋季新学员数量；
2、增加21考研生冲刺阶段报名学习；
3、增加各高校大学生对文都考研印象，形成良好的口碑效应。
二、活动内容：
双十一活动，利用激励政策刺激“老带新”，利用抽奖转发朋友圈，形式促进口碑传播，提升学校品牌。
三、活动时间：
2020年10月25日至2020年11月11日
四、活动对象：
学校在读老生、21考研学生、新生
五、活动详情：
1、活动对象划分：
活动老学员主要指的是已经在文都学习的学员，21考研的各高校学生，新生指贵大、民大校区大一、大二、大三学生
2、奖励方案：老学员：
（1）推荐来校咨询，不论是否报名，推荐人都可以得到一个推荐礼品（价值10元左右，可根据学生喜好采买物料）；
（2）推荐一名新生报读冲刺班型，推荐人奖励100元（现金）；
推荐一名新生报读彩虹卡或其他班型上万价格，推荐人奖励200元（现金）；
推荐多名新生报名则根据实际带来的新生数量做好累计，老生可以获得梯度奖励。详情如下：
成功推荐2人，除了上述奖励之外，额外奖励100元；
成功推荐3人，除了上述奖励之外，额外奖励200元；
成功推荐4人，除了上述奖励之外，额外奖励500元；
成功推荐5人，除了上述奖励之外，额外奖励800元。新学员：
报读冲刺班原价优惠300-1000元不等；
报读彩虹卡以及营类课程原价优惠300—2000元不等；（3）抽奖活动“11不孤单活动”凡21考研学生转发相关海报到朋友圈可获得玫瑰花一支，同时有一次抽奖机会，奖品内容：①考研政治/数学真题一本②冲刺抢分营优惠券300元③冲刺抢分营优惠券600元④单科成功卡减免1000元⑤来年再战减免卡200元凡新生转发相关海报到朋友圈可获玫瑰花一朵，同时获得抽奖机会，奖品内容：①19.9元获得原价199元四六级课程②考研报班优惠券200元③获得何凯文老师1575词汇书④获得文都考研英语或数学课2节六、流程设置：
1、确认活动方案、邀约宣导、引导咨询；
2、市场咨询师负责接待推荐新生，促进报名；
3、根据成交情况，确认信息后，发放推荐礼品（如老生在现场，直接发放，不在现场，核实后发放）；
4、将收银收据、学生推荐信息等材料提报到财务处入账备案；
5、老带新活动结束后，对新老学员进行身份与成交情况验证，在15个工作日内发放奖励金额。
6、做地推直接送花发朋友圈，抽奖利用加微信发放抽奖助手链接，现场登记
7、网上推广：分两个校区负责：登记民大参与人数，固定时间到民大送花，并登记中奖同学情况，以及兑换奖品
8、奖品课程优惠券及减免使用时间到2021年3月止，老带新课程减免由报班类型做相应
奖励和减免政策。
七、宣传推广渠道：
（1）微信宣传：转发朋友圈并让其朋友转发朋友圈一条1元，2小时截图有效
（2）学生会宣传：找学生会及社团谈合作
（3）电话：打电话给以前讲座的名单
（4）单页：制作单发到各班教室及自习室
（5）地推宣传：摆点
八、注意事项
1、登记清楚学员信息，以及所获奖品。并讲解奖品兑换，可放弃奖品或保留到2021年3月1日，有效期内也可转让奖品
保研推荐信篇8
[关键词]电子商务推荐系统推荐技术
一、引言
随着网络的广泛普及，电子商务对传统的商贸活动产生了革命性的变化，产生从以商品为中心到以客户为中心的商业模式的转变。新的商业环境在为企业提供新的商机的同时，也对企业提出了新的挑战。围绕客户进行服务，为客户提供所需要的商品，所以对每个客户提供个性化的服务已经成为必要。而电子商务推荐系统成为解决问题的重要途径。本文研究了电子商务推荐系统中的各类推荐技术。
二、电子商务推荐系统
电子商务推荐系统定义为：利用电子商务网站向用户提供商品信息和建议，帮助客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。它是一个基于客户网上购物的以商品为推荐对象的个性化推荐系统，为客户推荐符合其兴趣爱好的商品。分析客户的消费偏向，向每个客户具有针对性地推荐的产品，帮助客户从庞大的商品目录中挑选真正适合自己需要的商品。电子商务推荐系统在帮助了客户的同时也提高了客户对商务活动的满意度,从而换来对电子商务站点的进一步支持。
电子商务推荐系统主要起到了三个方面的作用：首先，极大地增加了客户，可以把网站的浏览者转变为购买者，提高主动性；其次，可以提高网站相关系列产品的连带销售能力；最后，可以提高、维持客户对网站的满意度和信任度。
电子商务推荐系统具有良好的发展和应用前景。在日趋激烈的竞争环境下，电子商务推荐系统能有效保留客户，提高电子商务网站系统能大大提高企业的销售额。成功的电子商务推荐系统将会产生巨大的经济效益和社会效应。
三、电子商务推荐技术
目前,电子商务推荐系统中使用的主要推荐技术有基于内容推荐,协同过滤推荐,基于知识推荐,基于效用推荐，基于关联规则推荐,混合推荐等等。
1.基于内容的推荐。它是信息过滤技术的延续与发展，项目或对象通过相关特征的属性来定义，系统基于商品信息,包括商品的属性及商品之间的相关性和客户的喜好来向其推荐。基于商品属性主要是基于产品的属性特征模型推荐。
内容推荐技术分析商品的属性及其相关性可以脱机进行，因而推荐响应时间快。缺点是难以区分商品信息的品质和风格，而且不能为用户发现新的感兴趣的商品，只能发现和用户已有兴趣相似的商品。
2.协同过滤推荐。协同过滤推荐是目前研究最多、应用最广的电子商务推荐技术。它基于邻居客户的资料得到目标客户的推荐,推荐的个性化程度高。利用客户的访问信息,通过客户群的相似性进行内容推荐,不依赖于内容仅依赖于用户之间的相互推荐,避免了内容过滤的不足,保证信息推荐的质量。
协同过滤推荐优点有:能为用户发现新的感兴趣的商品;不需要考虑商品的特征,任何形式的商品都可以推荐。缺点是:稀疏性问题,用户对商品的评价矩阵非常稀疏;可扩展性问题,随着系统用户和商品的增多,系统的性能会越来越低;冷启动问题,如果从来没有用户对某一商品加以评价,则这个商品就不可能被推荐。
3.基于知识的推荐。在某种程度上可以看成是一种推理技术，各个方法因所用的知识不同而有明显区别。基于知识的推荐提出了功能知识的概念。简单的说，功能知识是关于某个项目如何满足某个特定客户的知识，它能解释需要和推荐之间的关系。在基于知识的推荐看来，客户资料可以是任何能支持推理的知识结构，并非一定是用户的需要和偏好。
4.基于效用的推荐。它是根据对客户使用项目的效用进行计算的，核心问题是如何为每个客户创建效用函数，并考虑非产品属性，如提供商的可靠性和产品的可用性等。它的优点是能在效用函数中考虑非产品因素。效用函数通过交互让用户指定影响因素及其权重对于大多数用户而言是极其繁琐的事情，因而限制了该技术的应用。
5.基于关联规则的推荐系统往往利用实际交易数据作为数据源，它符合数据源的通用性要求。以关联规则为基础，把已购商品作为规则头,推荐对象作为规则体,其中关联规则的发现最关键且最耗时,但可以离线进行。其特点是实现起来比较简洁,推荐效果良好,并能动态地把客户兴趣变化反映到推荐结果中。
6.混合推荐技术。混合推荐系统整合两种或更多推荐技术以取得更好的实际效果。最常见的做法是将协同过滤推荐技术与其它某一种推荐技术相结合。例如,结合基于协同过滤和基于内容推荐这两种推荐技术,尽量利用它们的优点而避免其缺点,提高推荐系统的性能和推荐质量。比如,为了克服协同过滤的稀疏性问题,可以利用用户浏览过的商品预期用户对其他商品的评价,这样可以增加商品评价的密度,利用这些评价再进行协同过滤,从而提高协同过滤的性能。
四、总结
电子商务推荐系统，一方面有助于电子商务网站内容和结构自适应性的实现，另一方面在帮助客户快速定位感兴趣的商品的同时也为企业实现了增值。电子商务推荐系统作为有利的分析工具和促销手段，已成为电子商务网站的竞争工具，必将获得广泛的应用和发展。本文对电子商务推荐系统进行了介绍，并对推荐技术进行了概述。目前国内的电子商务网站在这方面的实践处在快速发展的阶段，因此还需要继续研究出更智能、更优化的电子商务推荐技术。
参考文献：
保研推荐信篇9
兄：
上次你来信，叫我推荐一二人到贵公司工作。眼下物色了两位。二人学业、品德均佳，很有上进心，且都毕业于工科，我认为十分适合你的要求。现附上二人自传，如你有意，可约二人面谈。
《二》大学生求职推荐信范文
尊敬的领导：
您好！
我是大学系的一名学生，即将面临毕业。
大学是我国人才的重点培养基地，具有悠久的历史和优良的传统，并且素以治学严谨、育人有方而著称；大学系则是全国学科基地之一。在这样的学习环境下，无论是在知识能力，还是在个人素质修养方面，我都受益非浅。四年来，在师友的严格教益及个人的努力下，我具备了扎实的专业基础知识，系统地掌握了、等有关理论；熟悉涉外工作常用礼仪；具备较好的英语听、说、读、写、译等能力；能熟练操作计算机办公软件。同时，我利用课余时间广泛地涉猎了大量书籍，不但充实了自己，也培养了自己多方面的技能。更重要的是，严谨的学风和端正的学习态度塑造了我朴实、稳重、创新的性格特点。
此外，我还积极地参加各种社会活动，抓住每一个机会，锻炼自己。大学四年，我深深地感受到，与优秀学生共事，使我在竞争中获益；向实际困难挑战，让我在挫折中成长。祖辈们教我勤奋、尽责、善良、正直；中国人民大学培养了我实事求是、开拓进取的作风。我热爱贵单位所从事的事业，殷切地期望能够在您的领导下，为这一光荣的事业添砖加瓦；并且在实践中不断学习、进步。
收笔之际，郑重地提一个小小的要求：无论您是否选择我，尊敬的领导，希望您能够接受我诚恳的谢意！
祝愿贵单位事业蒸蒸日上！
《三》求职的自我推荐信
进出口公司：
我叫徐，大学国际贸易系95级本科毕业生，中共党员。四年大学苦读，我在德智体各方面都取得了较全面的发展，学习成绩一直在年级前三名，综合积分专业排名第一。1997年通过浙江省计算机二级等级考试，1998年通过全国大学英语六级等级考试，具有良好的英语写作与会话能力。连续四年获得省优秀三好学生称号。
大学四年来，我先后担任国际贸易95(1)班班长、系学生会主席、校《学生通讯》主编，承办“校园十大青年歌手”、“月光书会”等多项校园活动，业余时间我特别注重计算机能力培养，选修、自学了各类计算机课程。能熟练运用C++语言、FoRtRan语言、Vep50数据库语言、winDowS98等操作。
1998年暑假实习期间，参与公司对俄罗斯畜产品贸易谈判工作，获得实习单位的好评。
贵公司从事国际贸易，正是我向往的工作单位，如果能到贵公司工作，我相信我的工作能力一定不会让你们失望，我一定会珍惜这一难得的机会，努力作出自己的贡献。
此致
敬礼
自荐人：
《四》推荐信的分类
(一)从推荐者的情况来分
可以分为“自荐信”和“推荐信”两种。所谓自荐信是指写信人为了在某单位谋求一份工作或在自己原有的单位谋到更好的职位而写的一种推荐自己的信件。
推举信则是写信人向某单位或个人推荐别人的一种推荐信。
(二)从推荐信的投发对象来分
推荐信又可分为目标明确的推荐信和广泛性的推荐信。
所谓目标明确的推荐信是指写信人明确自己推荐信的投发对象，所以根据对象的情况可以目标明确地行文的一种推荐信。
而广泛性的推荐信则指写信人只是推荐被推荐人的才能而暂时并无明确的推荐单位的一种推荐信。这种推荐信，往往可以同一内容一式多份，而向同类性质的单位广泛投寄。
《五》工作推荐信范文
尊敬的先生或女士：
您好，我是，公司的总经理。得知我公司优秀员工想要出国深造，我感到非常高兴和无比欣慰。在我看来这样一个上进的年轻人应该接受良好的教育拥有更辉煌的未来。因此，我很荣幸向贵校强烈推荐这位优秀青年。
曾在大四的时候来我公司报告实习。尽管对业务不很熟悉，工作经验相对匮乏。但是从不服输的他一刻也不放弃学习的机会。利于闲暇时间大量阅读参考有关业务的书籍，虚心向其他员工请教。渐渐地，他开始精通各项业务，并取得一定成绩。对此他并没有满足更没有骄傲自大。相反，遇到难题，他仍然虚心与同事交流讨论直到找出解决方案为止。鉴于他在实习期的出色表现，我公司破例招收他为正式员工(通常我公司不予考虑应届毕业生)。
现在，做为我公司的一名业务精英，工作更加认真，负责，努力。为所有同事树立了榜样。付出就有获得，他因此被评为本公司优秀员工，并享有高额奖金。
虽然从某种程度上来说，如此优秀的员工即将踏上留学之途是我公司的损失，但是考虑到他的前途，我依然毫不犹豫的支持他远赴贵校深造。真诚期望贵校能同样支持他，给他一个提升自己实现梦想的机会。谢谢。
《六》年轻干部推荐信
该同志自参加工作以来，政治上积极进步，勤奋好学，工作踏实认真，作风正派，有较强的组织协调能力，每项工作都很出色，受到所在单位的一致好评。
在乡广播站期间，曾获地区广播战线先进个人称号。在乡妇联四年始终是乡镇妇联干部的排头兵，1983年被评为省级“三八”红旗手，在乡镇妇女干部中第一个被提升副科级。在乡经委期间，主动开辟企业项目，使乡企经济扭亏为盈，县里多次召开现场会。在市妇联分管组织生产工作，响应全国妇联的号召，在全市农村妇女中积极开展“双学双比”活动，大力推广“科学快速养猪法”和“翠竹牌植物生长剂”技术，深入到18个乡镇办班讲课，咨询指导，抓典型，为农村妇女开辟了新的致富门路，全市在这两项上增创产值二百余万元。尤其是“科学快速养猪法”，在全市率先革了传统养猪法的命，成为全省的先进典型。省妇联在召开了推广两项先进技术的现场会。在组织工作方面，重点抓了妇女干部队伍建设，通过整顿调整，形成了一支叫得动，打得响的妇女干部队伍，为发展农村经济和两个文明建设做出了一定贡献。在支部工作中，主抓目标管理和党建工作，数年来市妇联一直被评为省、、市先进集体和市级先进党支部。该同志先后被评为“双学双比”先进个人，年连续被评为市先进工作者，几次被评为机关党委优秀党员。到统战部后，努力学习业务，较快熟悉所分管工作，在组织和指导工商联和侨联换届工作中，能掌握政策，认真把关，表现出较高的政策水平和工作才能，受到大家的好评。
因此，建议市委理顺。同志的职级，按正局级干部管理。
《七》推荐信的写作步骤
第一段：推荐人与申请人的关系。推荐人是在什么环境下认识申请人，以及相识多久。申请人希望申请的哪一个学期和科系。
第二段：推荐人对申请人资格评估。推荐人初识申请人时，对他有何特别的印象。举例证实推荐人对于申请人的评估结果。
第三段：对于申请人个人特质的评估（如：沟通能力、成熟度、抱负、领导能力、团队工作能力，以及正直等），或是有哪些需要改进的地方。
结论：推荐人对于申请人的整体评估。评估申请人完成学业以后，未来在个人和专业上的发展。
《八》推荐信的写法与注意事项
推荐信是一个人为推荐另一个人去接受某个职位或参与某项工作而写的信件，是一种应用写作文体。特定含义下指本科生或硕士研究生到其他（一般是国外）大学研究生院攻读硕士或博士学位时，请老师所写的推荐信。一般说来美国的研究生院要求提供3封推荐信，信件作者应该熟悉学生，并且有一定知名度。
写作的要素和注意事项：
1推荐人的身份，在何种身份下认识该申请人，认识多长时间或何时认识该申请人。曾在何课程上教过该申请人或者与其工作过多久
2.申请人的表现，学习能力，论文，成绩，全班人数和该申请人排名
3.申请人的工作能力和领导能力，团队合作能力等
4申请人的外语能力（英语什么级别或其他语种）
5申请人是否适合该课程和在该校学习或能否胜任岗位．
《九》推荐信应包含哪些内容
大多数学校都要求申请人提供二至三封推荐信。有力的推荐是录取的重要条件之一。推荐信要客观、公正，切忌流于形式，内容空洞，要与申请人的其它材料(如成绩单)等相符。推荐信也应注意格式、文法等。推荐信的格式与一般书信基本相同。有信头、发信日期、收信人姓名、称呼、正文、信尾谦称、签名、推荐人姓名、职称及工作单位等部分。但推荐信还应着重以下方面：
1.为了便于校方查阅，必须提到被推荐者的全名。推荐者的身份不重要，当然你要是请院士来写也不错，但最关键是要说服招生委员会相信推荐人是真正了解被推荐人的。
2.必须交待与被推荐者的认识期间(何时开始认识或认识多久)，认识程度(偶尔见面或密切接触)及关系(师生关系，上下级关系，同事等)。
3.对被推荐者的优点介绍及评价，这是推荐信的核心。主要包括被推荐者的天赋，学习成绩，研究能力，工作经验，学习精神，组织能力，品行及个性方面。注意说辞应与其他申请材料如成绩单、获奖证书等相呼应，不要出现矛盾而使人误会。人无完人，所以同时也应提及其缺点，以做到公正客观。最好通过实例说明。教授们要的不是完人，而只是学生，一个普通但足够优秀的学生。
4.必须表明推荐人的态度，是极力推荐还是有保留地推荐。
5.最好要求推荐人在信封封口处签名，以确保其真实性。最好在“是否保留日后审阅推荐信的权利”一栏填“no”。
6.最后别图省事，除非对方明文要求与申请一起寄。否则推荐信应分开寄出。
一些学校出于各种原因，设计了推荐表格，由推荐人填写，但其主要内容也和推荐信涉及的相同。
《十》单位推荐去其他企业的员工的推荐信范文
尊敬的先生、女士：
您好！近期获知贵方正在进行本年度十大杰出的评比活动，请允许我代表单位向您推荐Royal.K同学，该生在鄙单位表现突出，勤奋好学，积极向上，善于处理人际关系……（此处省略非常“中肯”的介绍语若干）。
综上所述，我单位一致认为该生是非常合适的人选，希望贵方能够予以考虑。在此，我谨代表本单位表示衷心的感谢。
保研推荐信篇10
通过开展一师一优课、一课一名师活动(以下简称活动)，进一步增强教师对信息技术推进教学改革、提高教学质量重要性的认识，充分调动各学科教师在课堂教学中应用信息技术的积极性和创造性，进一步发挥教师的个体创新力量，着力提高晒课质量，推动常态化应用，使每位教师能够利用信息技术和优质数字教育资源至少上好一堂课;建设一支善用信息技术和优质数字教育资源开展教学活动的骨干教师队伍，使每堂课至少有一位优秀教师能够利用信息技术和优质数字教育资源讲授;促进优质数字教育资源的开发与共享，逐步形成一套覆盖中小学各年级各学科各版本的生成性资源体系，推动信息技术和数字教育资源在中小学课堂教学中的合理有效应用和深度融合。
二、活动组织
省教育厅成立由分管基础教育的副厅长任组长，财务处、信保处、教师处等相关处室参与，省教育厅基础教育二处行政牵头，省教科所教研指导，省电教馆具体实施的领导小组(领导小组成员名单见附件2)。领导小组负责我省活动的组织领导工作，统筹制定活动方案，落实开展活动所需的各项经费;协调相关部门，明确工作职责，加强部门协作;做好活动的宣传工作，充分调动中小学校和广大教师参与活动的积极性。
各市教育行政部门负责本地区活动的组织领导和统筹推进，要制订活动方案，明确相关要求和支持政策，落实开展活动所需的各项经费;协调相关部门，明确工作职责，健全工作机制，组织和动员广大中小学教师积极参与活动。
各市教研部门要为教师利用信息技术和数字教育资源转变教学方式、创新教学方法、改变课堂教学提供理论和实践指导，帮助教师总结凝练信息技术与课堂教学紧密结合的典型案例和创新模式;要结合网上晒课和优课征集，晒前做好备课磨课;晒中组织看课评课，开展网络教研;晒后组织专家做好优课评审工作。
各市电教部门要做好活动的具体组织和条件保障工作，为学校和教师提供相关技术培训，在学校和教师创建优课的过程中及时提供技术和资源支持。
三、活动范围
全省所有具备网络和多媒体教学条件的中小学校(包括小学、初中、九年一贯制学校、完全中学和普通高中等)，各年级各学科的教师均须参加。
四、内容要求
晒课是指教师在国家教育资源公共服务平台()上传并展示反映本人一堂课的设计、实施和评价过程的相关内容，供其他教师教学参考和借鉴。
1.版本要求。
晒课教材的版本为经教育部审定中小学教材,以教育部公布的2015年度教学用书目录为准(教基二厅〔2015〕1号)。我省地方课程仅作为我省区域晒课、交流使用，不参加教育部组织的优课征集。校本课程不在此次活动范围内。
2.节点确定。
晒课平台所提供的目录体系最小节点为晒课的最小单位。晒课平台最小节点划分原则为可通过13个课时完成教学的知识节点。
3.晒课内容。
教师所提交的网上晒课内容应包括一堂完整课堂教学的教学设计、所用课件及相关资源(或资源链接)、课堂实录(可选，拟参加教育部优课征集的为必选)和评测练习(可选)等。
教师晒课前应充分结合国家和省、市级资源平台提供的资源，借鉴以往的优秀课例，认真做好包括撰写教学设计等备课工作。学校教研组和地方教研员应当充分利用集体备课、网络教研等形式为教师所拟晒课内容的教学设计提供必要的指导和帮助。
内容须符合2011版义务教育课程标准和普通高中课程标准(实验)要求，体现学科特点和信息技术应用的融合性，突出展现数字教育资源的课堂应用及利用信息技术和数字教育资源创新教学方法、有效解决教育教学的重难点问题等课堂教学内容。
有条件的学校可鼓励教师上传课堂实录。课堂实录(指教学过程视频)应展现课堂教学的所有内容，过程完整(最低不少于30分钟)，画面清晰。建议进行适当的后期剪辑处理，在适当环节插入教学资源呈现画面，保证资源呈现画面清晰可见。课堂实录片头不超过5秒，应包括课程名称、年级、上/下册、版本、单位、主讲教师姓名等基本信息。课堂实录为幅面要求达到720*576以上，视频码流为320Kbit/s以上。教师所提交的晒课内容须为本人教学实践中所产生的内容，不得冒名顶替，杜绝抄袭，引用资料须注明出处和原作者。
各市应加大录播教室等硬件设备的建设力度，确保教师有良好的晒课录制环境。
五、活动方式
主要包括教师网上晒课与优课征集两个阶段。
1.网上晒课。
各市组织教师到国家教育资源公共服务平台()注册并报名参加本年度活动，利用国家平台提供的晒课功能进行实名制网上晒课。原则上要求每名专任教师至少在国家平台晒一堂课。
根据省教育厅《2016年教育信息化工作要点》，为了进一步普及推广基础教育信息化教学新模式，扩大优质教育资源覆盖面，要求参加活动的教师在完成国家平台的晒课后，再登录陕西省教育厅陕西人人通综合服务平台()进入晒课频道上传自己的晒课资源。
2.优课征集。
在网上晒课的基础上，采取县、市、省和国家分级评审推荐的方式，对各年级各学科各版本的资源开展逐级评审推荐。各级教育行政部门在评审推荐时要把好课程教学正确的政治方向，坚持思想性、科学性和适宜性相统一。优课的评审征集工作利用国家平台提供的评审、推荐功能进行。
各县(区)按本县晒课节数的20%评出县级优课，并推荐到市级，参加市级优课征集;各市在所辖县(区)推荐县级优课的基础上再按30%评出市级优课，并推荐到省级，参加省级优课征集。省级在市级推荐的优课的基础上评审出省级优课，并按要求参加国家平台征集。教育部组织的优课征集采取专家评审推荐与网络投票相结合的方式进行。
各级往上一级推荐时每个年级每个学科每个版本每堂课推荐1个优课课例，同一教师只推荐1堂优课。
六、活动表彰
凡参加晒课教师的名单均要在各校和各级教育主管部门备案。本次活动结束后，根据各市、县(区)及学校组织工作成效、教师参与规模和推荐质量等情况，省教育厅将给予优秀组织奖的表彰。
七、应用推广
活动征集的优课覆盖义务教育阶段和普通高中各年级各学科各版本，可以为教师课前备课、课中上课、课后评价以及教师专业发展等提供参考和借鉴。
在国家平台开辟优课案例分享点评在线会客室专栏，围绕学科教学和信息技术、数字教育资源应用等主题，介绍经验体会，进行专家点评，开展在线交流。
各市教育行政部门要统筹协调电教、教研等相关部门，结合网上晒课和优课推荐活动，组织本地区广大中小学教师看课评课，分享典型经验，推广优课案例，为教师使用数字教育资源开展日常教育教学活动提供示范和便利，推动数字教育资源在不同教学环境下的应用,形成人人用资源、课课有案例的教学应用环境。