评分矩阵相关论文
基于用户评分矩阵的传统推荐算法在冷启动时推荐效率低下,而双属性评分矩阵的应用能有效地提高冷启动推荐的效率。首先,分析用户和......
基于用户评分矩阵的传统推荐算法在冷启动时推荐效率低下,而双属性评分矩阵的应用能有效地提高冷启动推荐的效率。首先,分析用户和......
针对协同过滤算法中数据稀疏性导致的推荐结果精确度不高的问题，本文提出一种改进的加权Slope-One算法填充评分矩阵。首先，利用用户......
为获得更加理想的电子商务推荐结果，提出一种基于协同过滤的电子商务智能推荐方法。该方法收集电子商务用户相关信息，并对信息进行预......
随着互联网技术的应用和普及,特别是电子商务的迅猛发展,存储在网络上的数据呈现出指数增长的趋势,由此出现了“信息爆炸”和“信......
随着Internet的兴起和普及,电子商务因为其成本低,方便快捷,足不出户就可购买商品等优点已经在全球得到普及和发展,并成为未来发展......
个性化推荐系统是根据用户历史行为记录以及用户和项目的特点，推荐适合用户的项目。随着用户和项目数量的快速增长，信息过载问题突出......
现代易货贸易的兴起为电子商务注入了新的活力，也为企业解决资金困难的问题带来了便利。易通网是在现代易货贸易的基础上，开发的一个......
在Internet快速普及的进程中，电子商务等信息呈现服务正在以难以置信的速度急速发展。客户面对这些信息呈现服务中的众多选择，从中挑......
学位
传统的协同过滤推荐算法存在数据稀疏性以及推荐准确率低等问题,针对该问题提出一种基于模糊C均值聚类的协同过滤推荐算法GAFCM-CF......
用户对项目评分数据的稀疏性是影响推荐质量的主要因素之一,提出了融合评分数据和评论文本的深度学习模型,通过引入辅助信息缓解评......
随着互联网的高速发展,网络信息也飞速增长,以协同过滤系统为代表的推荐系统(RS)可以帮助用户在较短时间内找到其感兴趣的内容。协......
互联网中各种服务产生的评价数据量不断增长,将任务分派给合适的操作员去处理,能够达到事半功倍的效果。所以如何根据评价数据合理......
随着航天技术的发展,航天在国防领域的重要性愈加凸显,可以预见,在未来的战争中,制太空权将成为左右战争局势走向的重要因素。为确......
随着互联网技术的飞速发展,从海量视频资源中迅速找到用户感兴趣的视频,相关的推荐方法成为热点研究问题。传统的视频推荐模型较多......
融入用户生成信息(User generated content,i.e.,UGC)的推荐系统在近年来得到了研究和应用。在众多的用户生成信息中,基于评分的反......
为了解决用户点餐时推荐菜品不准确的情况,设计面向移动终端网络的在线快餐智能推荐系统.在系统整体结构中,数据层将用户信息和菜......
[目的]克服个体用户表征学习受个体用户评分稀疏性影响严重的问题,提高推荐算法的准确率和反应速度.[方法]提出一种基于神经网络的......
【摘要】实验在工程学科的本科教学中对于促进理论与实践的有机结合至关重要，对实验教学的实际效果的认知则需要通过评价得以实现。......
摘 要 针对变压器状态评价确定权值时带来的主观性因素及数据缺失等问题，研究了一种基于图模型的电力变压器状态评估方法。通过变压......
隐语义模型（LFM ）是文本挖掘领域的重要模型，将它应用于推荐系统的评分预测具有预测精度高和占用内存小的优点。但由于时间开销较大，LF......
评分矩阵（rating matrix）的特点是高维、稀疏、低秩，对其研究的主要方法是低秩矩阵恢复。对这些算法而言，不同评分矩阵的秩，会得到不同......
利用传统的协同过滤(CF)算法进行推荐时,由于用户评分矩阵比较稀疏,直接得到的用户或者项目之间的相似度相对而言可信度就比较低。......
针对个性化推荐中用户评分矩阵数据集稀疏,用户和项目描述信息未充分利用的问题,提出融合评分矩阵和评论文本的深度神经网络推荐模......
针对协同过滤算法存在数据稀疏性问题及新用户问题，根据选课系统的具体情况及特殊性，比如，优秀学生可以按相似度高的邻居评价推荐，对于......
针对传统推荐系统中推荐效率较低的问题，提出了一种与Nystrom方法相结合的推荐系统。设计了一Nystrom方法和非负矩阵分解（non-negati......
互联网数据规模迅猛增长, 推荐系统的数据稀疏性问题日益凸显, 难以提供精准的项目 推荐.针对这些问题, 结合海量的用户评论信息中......
在传统协同过滤推荐技术的基础上,采用基于项目-用户加权的协同过滤算法来实现高校课程推荐.在Top-N方式下,通过绝对偏差和根均方......
协同过滤算法是目前应用最广、最成熟的个性化推荐技术,本文对协同过滤算法中的关键步骤-用户相似度计算进行探讨,归纳相似度计算......
为了提高个性化推荐效果及预测准确度,特别是针对传统算法中评分矩阵过于稀疏等问题提出一种新颖的协同过滤算法。该算法首先利用R......
为了解决协同过滤推荐算法中存在的新用户冷启动、数据稀疏等问题,在经典的协同过滤推荐算法的基础上,提出了一种改进的协同过滤算......
大数据时代由于信息过载问题使人们无法在海量数据中快速精准地获取有效信息。为了解决个性化信息呈现问题,推荐系统应运而生。在......
网络视频数据的快速增多,使得个性化智能推荐变得十分必要。为了便于用户在视频网站上发现自己喜欢的内容,提出通过数据挖掘来分析......
针对目前协同过滤中数据极端稀疏的问题,提出利用项目之间的传递打分来填充项目评分矩阵.在用户评分矩阵和项目矩阵的基础上使用项......
目前时序网络节点重要性的研究主要从时序路径、连通性、网络效率等方面展开。该文考虑到时序网络层内的连接关系和层间耦合关系,......
隐语义模型（LFM）是文本挖掘领域的重要模型,将它应用于推荐系统的评分预测具有预测精度高和占用内存小的优点。但由于时间开销较大,L......
随着电子商务的迅速发展和Web上信息的不断增长,推荐系统成为有效帮助用户做出决策的重要智能软件之一.基于评分数据的矩阵分解推......
用户的情感倾向在推荐算法中起到非常重要的作用,本文利用设计的情感模型对用户评论进行量化计算,并利用一定的公式计算用户情感值......
基于评分矩阵的矩阵分解模型被广泛研究与应用,但是数据稀疏性问题严重制约了该模型的推荐效果.基于评论文本的推荐模型能够从文本......
目前大部分高校图书馆都只有对热门图书的推荐,同质化现象比较严重。而读者面对图书馆海量图书往往无从下手,使用推荐系统能很好地......
现如今互联网“信息过载”以及互联网用户“信息迷航”的形势越来越严峻,为了应对这些问题,推荐系统因其具有过滤信息的功能被大规......
互联网的兴起带来了信息量的剧增,满足了用户对知识的需求和渴望。但随着网络急剧发展而引发的信息大爆炸,使得用户在海量数据面前......
随着互联网技术的发展,人们已经由信息匮乏时代迈进信息过载时代。海量的信息资源使得人们很难找到自己感兴趣的内容,这一用户需求......
相对于传统的协同过滤推荐算法,Slope One算法以其简单、高效而广泛使用。原生Slope One推荐算法是基于各个项目之间的平均偏差预......
