兴趣漂移相关论文
[目的 /意义]基于社交网络用户短期兴趣和长期兴趣,挖掘用户不同时间窗口下长短期兴趣,能够提高用户兴趣发现的准确性,解决推荐系......
针对推荐系统中的传统协同过滤算法刻画邻居差异不够深入、忽略用户兴趣漂移、冷启动问题仍然存在、矩阵分解算法可解释性差且单一......
随着互联网技术的迅速普及与发展,网络资源呈现喷发式的速度涌入其中。互联网的发达使得人们更容易获取自己感兴趣的资源,但在享受......
随着互联网的飞速发展,人们已经进入了数据爆炸的时代,数据的数量可以代表一个企业的发展能力,数据的质量能够推动企业产品的更新......
在社交商务中,用户可以自由的进行信息分享,造成随着社交商务用户数量的增多,平台内信息总量也在飞速增加。伴随平台内信息总量的......
“信息迷航”和“信息过载”问题由来已久,推荐系统能够帮助用户在海量的产品空间中进行筛选。但是传统的推荐算法以静态算法为主,......
近几年,随着信息技术的发展,网络中产生了大量的数据。推荐系统可以通过分析与用户相关的数据,自动向用户提供所需的信息,缓解了海......
本文基于当前最流行的社交媒体之一——新浪微博进行研究,并针对当前推荐系统现状和存在的一些问题展开论文研究工作。随着大数据......
在线购物是众多消费者网络行为的出发点与归宿,而了解用户的兴趣是电子商务网站实现个性化的基础。实时了解消费者兴趣的变化,有利......
推荐系统向用户推荐个性化的产品或服务.传统的推荐系统研究中,用户兴趣被认为是稳定不变的,而事实上,因为各种因素的影响,用户兴......
针对个性化信息服务中的用户兴趣漂移问题,提出了一种新的正态分布密度曲线遗忘函数,该函数符合用户兴趣遗忘的规律.并且将用户模......
针对传统线性回归推荐算法没有考虑用户兴趣漂移、活跃度和评分可信度等影响因素,为进一步提高算法的准确度和对用户偏好的拟合度,......
社交网络推荐中,通常未依据用户兴趣变化进行用户角色动态标注,会造成推荐预测误差,并且用户评分数据稀疏造成评分预测不准确.根据......
本文基于隐形反馈数据集提出区分用户长期兴趣和短期兴趣的推荐模型DYLSI,该模型主要考虑到用户兴趣、项目流行度随时间的变化以及......
互联网技术的迅速发展,尤其是以个性化为主要特点的Web 2.0的不断成熟,使得大量信息同时呈现在人们面前,个性化推荐技术的价值日益......
为了解决因用户兴趣漂移而导致推荐质量下降的问题,本文引入了用户对产品的遗忘因子。通过分析用户的浏览记录和打分情况,建立用户......
针对个性化信息服务系统中如何表示用户兴趣和用户兴趣的漂移问题，提出了一种基于分类模版的用户兴趣模型构造方法。采用遗忘算法，将......
针对如何在邮件系统中进行用户兴趣模型更新的问题,提出了一种兴趣漂移方法。根据用户长期兴趣和短期兴趣的不同特点,对短期兴趣模......
根据用户浏览网页时的操作行为，通过量化的方法建立起用户兴趣模型来反映用户兴趣，从而针对不同用户推荐其可能感兴趣的文章。基于兴......
面向个性化电影推荐领域,提出一种基于多维度权重动态更新的用户兴趣模型。将电影分成演员、导演、类别、地区和时间5个维度,分别......
在社会化标注中,用户采用标签的方式对自己感兴趣的资源基于自身理解进行无约束标注,标签作为用户所选择的关键词,反映了用户对信......
随着互联网时代信息总量的爆发性增长,用户越来越难以从海量的数据中找到自己感兴趣的信息。推荐系统能够为用户提供个性化的服务,......
随着互联网技术的飞速发展,越来越多的网民倾向于在社交平台如Facebook、新浪微博、腾讯微博和人人网等上建立自己的交际圈。在微......
随着移动计算飞速发展,为了方便用户使用智能移动设备和访问移动网络中的信息服务,app的数量急剧增长,如此海量的应用导致用户无法......
随着网络技术的飞速发展,网络改变了人们的生产、生活方式,成为人们获取信息的重要渠道。搜索引擎缓解了网络信息的广泛性与用户信......
推荐系统是现代信息系统的重要组成部分,一直是机器学习、信息检索等领域的研究热点。随着Web2.0技术的发展,社会标签系统因其具有......
互联网的普及带来了信息过载的问题,RSS信息服务虽然能够实现信息推送,在一定程度上解决信息过载问题,但缺乏个性化考虑。用户建模......
金融营销受到金融企业的高度关注。随着金融领域信息化技术应用的飞速发展,包括网上银行业务的开展,以及数据仓库等技术的应用,如......
Internet为人们提供了极其丰富的信息资源,在这些海量、异构的Web信息资源中蕴含着具有巨大潜在价值的知识。但是,面对信息的汪洋......
用户兴趣更新是指在用户兴趣模型建立之后,对模型增加新获取的用户兴趣知识或者删除过时不用的用户兴趣知识。本文基于艾宾浩斯遗......
基于内容的推荐在用户数据较少的情况下是一种有效的解决冷启动的方法。针对基于内容的推荐算法中，内容相似度计算精度低、用户兴趣......
