随着网络资源和服务的迅猛发展，互联网信息已经超过了用户所能接受、处理或有效利用的范围，这个问题被成为信息过载。推荐系统是解决......

个性化推荐系统的目的是解决信息过载问题,目前已被广泛应用于互联网的各个领域。传统的推荐系统只通过分析用户-项目之间的二元关......

针对如何将上下文信息融入推荐过程以提高推荐准确度问题,提出基于贝叶斯方法与聚类的新的上下文建模方法.不同于现有上下文建模方......

作为解决信息过载问题的有效方式,推荐系统能够根据用户偏好对海量信息进行过滤,为用户提供个性化的推荐。对如何利用隐式反馈数据......

评分预测问题是推荐系统研究的一个分支.在上下文感知推荐（Context-Aware Recommendation,CAR）中,常常需要考虑上下文因子（或称属性）对......

随着互联网的普及以及网络技术的迅猛发展,互联网上的信息数量逐渐呈现信息过载的趋势。此外,随着电子商务的快速发展,电子商务交......

上下文感知推荐研究近年来在推荐系统领域十分流行,因为通过对上下文信息的挖掘,这类推荐系统能更好地完成个性化推荐任务。上下文......

推荐系统是解决信息过载问题的有效工具,也是学术界和工业界关注的热点研究领域。在实际应用中,推荐系统面临着数据稀疏性、可扩展......

维修,即为使产品保持或恢复到规定状态所进行的全部活动,包括预防性维修和修复性维修。当前,在修复性维修领域仍存在着故障不能被......