兴趣变化相关论文
推荐系统作为当下信息检索的重要工具,在电子商务等诸多领域得到了广泛的应用和发展。随着2004年web2.0概念的提出,互联网进入了用......
物理是一门以实验为基础、概念规律为重要内容的基础自然学科，初学者起先一般都感到非常新鲜，同时也对物理有了一个模糊的认识：有趣、......
针对矩阵分解推荐算法存在的数据稀疏和不能反映用户兴趣变化的问题,提出一种融合用户点评数据、用户-物品评分数据、物品异构信息......
中职学校计算机教师面对的学生聪明但很贪玩，注意力容易分散。计算机是一门枯燥乏味的学科，在教学过程中往往存在学生一开始学习兴趣......
知识经济背景下，图书馆用户已不再满足于简单的信息获取，倾向于满足特定需求、解决特定问题的知识和服务，知识服务已经成为数字图书馆......
信息过滤系统(IFSystems)的目的是为了帮助用户查找用户感兴趣的信息。IF系统的用户文档(UserProfiles)表示用户的兴趣,用来匹配网......
传统推荐算法没有考虑时间效应的影响,而随着用户兴趣、产品流行度等变化,会使得推荐效果受到影响。近年来,越来越多的研究者开始......
随着智能终端、社交网络以及各类移动APP软件应用的普及,社交移动正逐渐改变人们获取信息的方式,加速了彼此之间的信息沟通。介绍......
协同过滤算法已被成功应用于许多领域，但遇到了可扩展性和精度低等问题，目前提出了许多改进算法，但它们均忽视了用户长短期兴趣对推荐......
由于农业本身季节性强的特点,推荐系统的实时性对农业电子商务网站至关重要。然而传统的协同过滤推荐技术不可避免地存在时效性差......
传统的协同过滤算法中忽视了用户的兴趣变化，一定程度上影响了推荐质量，因此本文引入了基于时间的数据权重，在此基础上研究了基于用户......
协同过滤算法是目前最成功的个性化推荐技术之一，但传统的协同过滤算法没着弓馕历再弓孺随时间而产生的变化，影响了推荐质量。本文针......
摘 要：针对传统的协同过滤(Collaborative Filtering,CF)算法没有考虑用户兴趣变化、导致其推荐质量较差的问题，借鉴心理学遗忘规律，......
个性化推荐技术在电子商务系统中起到举足轻重的作用。目前主流的基于内容的推荐技术和协同过滤推荐技术都忽略了商品的特殊属性对......
推荐系统是人们从海量信息中获取对自己有用信息的一种有效途径，在学术界和工业界都受到广泛关注．协同过滤则是推荐系统领域最流行的......
针对用户的兴趣变化具有时间敏感性特点,文章提出基于用户兴趣变化的数字图书馆知识推荐模型。首先融合标签和时间等因素,通过用户......
现有影视网站的用户推荐系统主要以用户的影评信息和电影间相似度为基础数据,基于协同过滤等推荐算法进行推荐。现有方法存在基础......
协同过滤系统是目前最成功的一种推荐系统，但是传统的协同过滤算法没有考虑用户兴趣会随时间发生变化以及类似特征用户对用户相似度......
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......
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......
学位
目前许多基于社会化标签的推荐均忽视用户的兴趣变化及反复性，影响了推荐质量。针对该问题，提出一种将指数遗忘权重和时间窗口相结合......
现有的适应兴趣变化的协同过滤算法不能反应用户兴趣变化的频率,对即时热点也不足够敏感。同时,因为计算量大,不适应大数据场景。......
目的改善传统协同过滤推荐系统,提高推荐结果的准确性。方法采用混合推荐方法,将客户对商品的显式评分和客户的访问行为相结合,并......
协同过滤算法是目前推荐系统中最普遍的个性化推荐技术。针对传统算法相似性度量方法不足的问题，提出了融合用户兴趣变化和类别关联......
在分布式推荐系统中,分布存放和管理系统中的用户信息数据。网络中的用户相互协作为彼此做出推荐,推荐的生成无需集中存放的用户信......
互联网的迅速发展为人们生活带来便利,然而迅速增长的信息也让人们无所适从,想要从海量信息中发现对自己有用的信息需要花费大量时......
协同过滤是成功的个性化推荐技术之一.但传统协同过滤算法由于不能及时反映用户的兴趣变化,影响了推荐质量.针对这个问题,本文借鉴......
期刊
随着用户项目数量的增长,用户项目矩阵变得越来越稀疏,使用基于最小生成树的k-means算法对项目进行聚类并以聚类结果对用户评分矩......
协同过滤算法是在众多应用领域中最成功的个性化推荐技术之一,但传统协同过滤算法不能及时反映用户的兴趣变化,致使预测结果不准确......
随着信息技术和互联网技术的发展,推荐系统成为解决信息过载的重要方式。而协同过滤因为其算法简单,又能够处理复杂的问题并产生比......
协同过滤是推荐系统中广泛使用的算法.协同过滤模型没有考虑用户兴趣的动态变化,影响推荐质量.为提高推荐准确度,提出新的推荐算法......
随着科技的不断进步,人们可以更加便捷迅速地获取到新闻信息。新闻的时效性相当重要,促使着媒体必须在短时间内将新闻传播出去,将......
针对当前协同过滤推荐算法存在数据稀疏、用户兴趣变化和时效性不明显、推荐质量差等问题,提出了一种动态自适应的混合智能协同过......
