贝叶斯个性化排序相关论文
针对协同过滤算法在为用户商品相关性建模时未考虑用户/商品对特征属性的不同关注度及不可解释性问题,提出基于特征权重与情感偏好......
推荐系统在应用领域及研究领域都有着重大的意义和价值。推荐系统按照是否利用辅助信息进行推荐可以划分为未利用辅助信息的推荐系......
随着在线电影数目不断增加,人们开始通过信息过滤以获取有效信息,因此个性化的电影推荐系统成为研究的热点。本课题研究电影推荐,......
S-Box功耗随机化是一种对抗侧信道攻击的防御方案,该方案将设备加密过程中S-Box输出值功耗泄露的位置进行随机化处理,降低了中间值......
针对当前群组推荐精度较低等问题,将群组活动推荐转化为排序学习,提出了一种融合多上下文特征信息的贝叶斯群组推荐算法.首先借助......
随着互联网技术的飞速发展,互联网用户在畅游网络的同时也面临着信息过载的问题,而个性化推荐技术则成为了解决信息过载问题的有力......
伴随大数据时代的到来,为积极应对海量、非结构化的“信息过载”问题,推荐系统在互联网产品中的应用变得越来越广泛,它们给人们的......
作为解决信息过载问题的有效工具,推荐系统已经成为电子商务网站和社交网络平台的基本组成部分。根据推荐系统依赖的数据类型,可将......
信息技术的发展和各种智能移动终端的普及,使得图片数据在网络上的生成和传播变得更加快捷,在很多基于图片分享的社交平台上,如Fli......
随着社交媒体的发展,在线用户可以轻松地与朋友分享他们在产品或服务上的体验。而社会化推荐系统可以用于个性化定制适合用户需求......
目的地预测可以帮助车辆辅助系统提前推荐相关服务,改善用户的驾驶体验,受到研究者的广泛关注。然而,相关研究主要是基于车辆的行......
传统推荐系统将推荐准确性作为主要目标,而推荐结果的多样性和个性化有所欠缺。对此,设计一种基于层次隐马尔可夫模型和神经网络的......
推荐系统的用户反馈包含显示反馈和隐式反馈,显示反馈通常是指用户对物品的数值评分,而隐式反馈通常是以二元形式描述的用户对物品......
为进一步提高个性化标签推荐性能,针对标签数据的稀疏性以及传统方法忽略隐藏在用户和项目上下文中潜在标签的缺陷,提出一种基于潜......
为解决已有图表示学习方法复杂性较高的问题,提出一种能在维持图特征表达力的同时提升学习效率的方法。通过在神经网络表示模型中......
传统协同过滤推荐模型仅处理稀疏的评分数据,未深入挖掘用户及对象的潜在语义,且用户喜好信息也未充分利用.围绕旅游景点推荐这一......
针对循环神经网络(RNN)的门控循环单元(GRU)在进行地点推荐时没有考虑地点的时间和空间信息的影响,提出了融合时空感知的GRU模型。......
针对兴趣点推荐系统存在的隐式反馈建模用户-POI交互准确率不高和忽视用户签到数据的隐性反馈属性的问题。提出了一种新颖的兴趣点......
在实时竞价广告(Real-time bidding, RTB)中,转化率是衡量广告效果的重要指标。因为实时竞价广告的转换率很低,造成了广告日志数据......
随着在线网络的迅速发展和广泛应用,人们在享受科技带来新生活的同时也面临“信息过载”的困扰。推荐系统被认为是解决信息过载最......
随着互联网技术的快速发展和各种电子设备的日益普及,加之社交媒体的迅速蹿红,使得图片数据生成和传播更加便捷;据统计,互联网大数......
现有的图表示学习方法往往面临过度复杂性问题，因此，本文寻找一种能在维持图特征表达力的同时提升学习效率的方法。其通过在神经网络......
在图像分类领域,通过预测图片标签信息以加强图片信息矩阵的稠密度,是解决因信息过载导致图像检索效率低的一种比较流行的思路.本......
