Top-N推荐相关论文
推荐系统（Recommender Systems,RS）是一种个性化的信息过滤工具,能够有效地缓解信息过载问题。Top-N推荐是推荐系统中主要的应用问题......
大数据时代的浪潮已然来袭,个性化推荐作为解决信息过载问题的有效手段,已应用于社会生活各个领域,其市场前景日趋广阔。然而,挑战......
随着互联网的普及和大数据的快速发展,人们从海量数据中获取有效信息的难度越来越大,因此对个性化推荐的需求也越来越高。基于主流......
推荐系统是联系用户与物品的纽带，在帮助用户寻找感兴趣物品的同时，也帮助信息提供者将其商品展示在用户面前，实现双赢，其核心是推荐算......
近些年来随着互联网的迅速发展,信息负载对用户的决策产生了巨大的挑战。推荐系统已经成为一种有效的工具用来帮助人们在复杂的信......
计算机和互联网的急速发展,尤其是移动互联网技术的广泛应用,彻底改变了人们获取和分享信息的方式,海量互联网信息满足用户对信息......
由于互联网中信息爆炸式的增长,导致用户很难直接发现有用的信息。为此,根据用户的历史行为数据进行建模的推荐系统吸引了学者的广......
随着互联网的迅速发展，近几年来社交网络服务越来越流行，成为了很多人生活中的重要组成部分。社交网络的流行在带给人们便利的同时，也......
信息时代下随着数据量的激增,人们获取信息的方式逐渐经历了从门户网站、搜索引擎,到如今发展的迅猛的推荐系统等多种方式并存的演......
推荐系统已广泛应用在电子商务、社交媒体、教育科研等诸多领域,有效应对了信息超载问题;然而,数据稀疏性一直制约着推荐系统的效......
针对传统的推荐算法过于强调推荐的精准度导致推荐列表的同质化现象突出的问题,提出了一种新的推荐列表选择算法DivEnhance。首先......
Pure SVD推荐算法通过重构分解矩阵而获得推荐结果,稀疏线性（SLIM）算法侧重于通过挖掘物品之间的线性关系而产生推荐效果。为了提高T......
推荐系统是当前数据挖掘领域的研究热点,海量数据的涌现促使多源信息融合的推荐方法得到极大的关注。但是,现有的基于异质信息融合......
通过基于概率的主题挖掘模型隐含狄利克雷分布（LDA）挖掘用户兴趣主题,是目前最常用的用户兴趣主题挖掘方法。为进一步改善用户体验,......
推荐多样性日益成为评价推荐系统性能的重要指标。现有的提高推荐多样性方法缺少对项目属性值差异度问题的考虑。论文提出一种基于......
现如今服务交易领域中的数据总量呈现爆发式增长,如何高效地从数据中捕获有价值的信息已经严重桎梏了当前服务交易应用的发展,而目......
为在推荐系统中更好挖掘用户物品特征和理解用户需求,提出FGx_Deep算法。利用FGCNN网络以原始嵌入矩阵生成新特征,对原始特征和新......
针对变形的奇异值分解(SVD++)算法的评分规则在模型训练和预测两个阶段的不一致问题和列表级矩阵因子分解(ListRank-MF)算法的Top-......
Top-n推荐技术是近年来信息服务领域的一个研究重点和热点.针对云环境下的top-n推荐算法进行了深入研究,提出了适合top-n推荐的多......
互联网的飞速发展促进了基于互联网的信息获取与共享,网民的活跃使得互联网中存储的数据量呈爆炸式增长,人类社会进入了信息爆炸的......
随着信息技术的快速发展,以及数据量的爆炸式增长,“信息过载”已成为信息时代不可避免的问题。在解决“信息过载”问题上,个性化......
回 回 产卜爹仇贱回——回 日E回。”。回祖 一回“。回干 肉果幻中 N_。NH lP7-ewwe--一”＄ MN。W;- __._——————》 砧叫]们......
为了解决协同过滤推荐算法中存在的流行偏置问题,提出一种结合用户活跃度的协同过滤推荐算法（UACF）。该算法考虑用户活跃度对推荐结......
信息技术和互联网的迅猛发展把人们带入了信息时代,信息量增长迅速是这一时代的显著特征。面对海量数据,用户往往不能快速而有效地......
随着互联网的飞速发展，网络信息量剧增，给用户提出了如何有效利用网络资源的挑战。推荐系统作为一种信息过滤技术，逐渐发展成为解决网......
近年来,随着信息技术和Web 2.0的发展,信息的爆炸式增长造成了信息过载(Information Overload)的现象。推荐系统(Recommender Syst......
互联网技术的飞速发展与信息网络化趋势的蔓延使得互联网上信息的数量快速膨胀,人们面临着信息过载带来的信息获取方面的困难。如......
传统的推荐算法多以优化推荐列表的精确度为目标,而忽略了推荐算法的另一个重要指标——多样性。提出了一种新的提高推荐列表多样......
针对传统协同过滤算法因未考虑用户与项目之间的对偶性而产生的数据稀疏问题,提出一种基于双聚类技术和Top-n推荐技术的新型协同过......
随着藏语远程教育网上学习者的不断增多和学习资源的不断扩充,学习者选择资源困难和学习资源难以利用的矛盾日益显著,而推荐系统能......
在推荐领域中,协同过滤方法已经成为其核心技术,大部分协同过滤算法都是面向显式反馈数据,这类数据有明确的用户评分,人们可以从用......
社交网络（Social Network Site, SNS）作为Web2.0时代的典型应用，在世界各地迅速流行起来，现已成为人们日常生活中不可或缺的一部分。在......
随着数据时代的到来,人们面临的“信息过载”问题愈发严重,主动辅助人们获取信息的搜索引擎已经无法满足人们在不同背景、不同目的......
随着信息时代的快速发展,信息过载问题日益严重,影响到人们的日常生活。因此研究人员提出了推荐技术,推荐系统向用户提供个性化推......
为解决传统协同过滤推荐算法数据稀疏、可扩展性差等问题,采用改进预测评分矩阵的协同过滤算法。首先使用基于线性回归分析的加权S......
推荐系统帮助用户在海量信息中找到与用户相关的、个性化的产品,现有推荐技术大多致力于改进推荐系统的预测准确度.最近,推荐质量......
