概率矩阵分解相关论文
由于用户的评分数据过于稀疏，使得现有的一些基于矩阵分解的用户评分预测算法计算出的用户评分预测偏差过大，预测准确率无法进一步提......
在网络技术和大数据技术快速发展的今天,互联网上出现形式多样的在线服务,在给用户带来便利的同时,也导致了数据量的激增。面对纷......
为充分利用MOOC上下文信息，精确表示学习者和课程特征，提出一种多特征融合的MOOC推荐模型MFF-MOOCREC。利用文本卷积神经网络和双向......
个性化推荐系统的出现为电子商务网站带来了更好的发展契机,与此同时,随着网络技术的快速发展,顾客和商家越来越追求较高的推荐质......
随着信息技术的发展,互联网为人们带来便利的同时也产生了信息过载的问题。协同过滤算法作为热门的推荐算法之一,它能极大地提高用......
[目的/意义]传统的科技信息文献推荐模型没有充分挖掘科技信息文献以及科研人员的本身特征,因此,文章结合深度学习技术获得健壮的......
推荐系统是信息过滤系统中的一种特殊形式,通过分析用户的历史兴趣和偏好信息,在项目空间中确定用户现在或者将来可能会喜欢的项目......
随着社交网络平台的快速发展,人们面临着对爆发性增长的社交网络数据无从选择的困境,信息过滤成为帮助人们摆脱困境的有效方法。社......
随着互联网信息的快速增长,个性化的推荐系统对工业界和学术界的发展都有着重要的作用。然而,在信息高速发展的时代,传统的推荐系......
Web服务是一种通过标准协议用以保证互联网上异构平台间的应用服务可进行互操作的技术。随着互联网以及Web服务技术的快速发展，企业......
社交网络的发展给推荐技术带来了新的契机,利用社交关系进行社会化的推荐,不仅能提高推荐的准确率,更能让用户信任系统的推荐理由,......
协同过滤算法是推荐系统中应用和研究较多的经典方法,传统协同过滤算法的主要思想是基于用户对项目的单一综合评分挖掘用户的兴趣......
推荐系统是信息过滤领域一项重要的技术。随着电子商务的发展,网络中新增的用户和项目越来越多。面对如此庞大的项目群,用户往往只......
近年来,随着互联网技术的日益发展和普及,与个性化推荐相关的服务被广泛应用到生活的方方面面。个性化推荐技术不仅能够从海量信息......
社会化推荐系统随着社交网络平台的流行以及用户对社交媒体的重度参与，成为了社交平台中信息过滤的重要手段，广泛地应用于各样的社交......
近年来,随着互联网经济的异军突起,推荐系统的作用日益凸显,并成为研究热点之一。推荐系统通过研究用户的兴趣偏好和信息需求特征,......
随着互联网产品和服务的快速发展和多样化,以活动为主的社交网络(Event Bsaed Social Network,EBSNs)也得到了快速的发展。在EBSNs......
社交媒体平台上存在着大量用户发表的和分享的多模态数据,其中文本数据作为众多形式信息中广泛存在的数据载体,是实现用户主题建模......
近年来互联网技术不断发展,人们已经从信息匮乏的时代迈入大数据的时代。尤其是随着社会网络技术的发展,当用户在互联网上选择服务......
近年来,网络文学蓬勃发展、实体图书出版流程简化以及各国文学的迅速传播为读者提供了丰富的阅读素材。如何在短时间内准确高效地......
近年来,随着今日头条、一点资讯等流媒体公司的发展,百度、腾讯、中国移动等公司也逐渐重视信息流领域的市场,开始研发各自的产品......
由于近年来互联网用户数量的持续增长,各种类型的用户数据也日益增多,而且数据量的增长也愈来愈快。用户在互联网上所面对的信息愈......
移动互联网技术的发展、移动多媒体设备的普及以及定位技术的广泛应用让美团、大众点评、Facebook、Yelp等基于位置的社交网络应用......
随着互联网的迅猛发展,出现了各式各样的社交平台。互联网的用户和交易物品的数量不断增多。每天都会产生数以万计的数据信息,这就......
随着互联网的应用与信息技术的普及,整个社会进入了数据爆炸,信息冗余的时代。海量非结构化信息过载,使得用户经常需要消耗大量的......
大数据时代下互联网信息量爆炸式增长,用户难以从大数据中检索到个人所需要的资源,这样的信息过载问题无法避免。推荐系统能有效解......
在互联网快速发展的今天,用户和网络规模都呈现指数倍的增长。信息资源的大量涌现,使得用户在数据的获取上面临巨大的挑战。尽管搜......
互联网数据的指数增长使人们进入了信息过载的时代。推荐系统能从海量信息中为用户筛选出相对有用且可靠的信息,从而成为缓解这一......
随着在线社交网络的日益流行,目前很多推荐算法都利用社交网站上透明的用户历史行为数据和社会网络关系数据,来更好地辅助信息消费......
推荐系统作为一种信息过滤技术,能快速的定位到用户感兴趣的物品,解决信息过载和用户喜好之间的矛盾。随着信息量的增加,传统的实......
针对推荐系统中用户评分数据稀疏所导致推荐结果不精确的问题,本文尝试将用户评分、信任关系和项目评论文本信息融合在概率矩阵分......
[目的/意义]随着MOOCs迅猛发展和普及,如何利用智能推荐技术为学习者从海量的MOOC中“寻找最佳课程”成为MOOC发展中需要解决的重......
时间序列分析是在诸如气象预报,交通流量预测等领域中的是常用的方法手段之一,但是在这些领域数据中经常会发生观测数据缺失的情况......
传统的概率矩阵分解在推荐算法中取得了一定的效果,但是仍然面临数据稀疏性问题,并且对数据的利用效率不高,不能根据已有数据准确......
提出一种新的基于概率矩阵分解的推荐算法.首先,对用户之间的信任关系网络进行重构,突出社交网络中被很多用户信任的用户地位.其次......
为提高推荐算法的准确率,针对Social MF中用户将其信任用户同等对待的问题,提出一种在评分数据稀疏情况用于计算信任用户相似度的......
传统的协同过滤推荐算法是通过用户的评分记录进行推荐,而往往数据上存在很大的稀疏性,同时存在冷启动问题,所以推荐效果并不是很......
针对个性化推荐过程中高维稀疏性引起的数据震荡和推荐精度不高的问题，提出一种通过交替最小二乘算法（Alter-nating Least Squares，AL......
针对传统协同过滤推荐方法中用户评分信息稀疏导致推荐准确度不高的问题,提出融合用户信任度的概率矩阵分解推荐算法。该算法综合......
传统协同过滤推荐算法存在数据稀疏性、冷启动、新用户等问题.随着社交网络和电子商务的迅猛发展,利用用户间的信任关系和用户兴趣......
时间序列数据是一种数据属性随时间变化的高维数据类型,反映了用户兴趣的动态变化。基于时序数据的推荐系统利用用户的行为时间提......
数控机床的振动会造成机械设备的损坏，对数控机床振动趋势的预测能够有效的提高振动故降诊断的准确率，由于存在数据的稀疏性和冷启动......
尽管现有的社会推荐方法,特别是基于矩阵分解的社会推荐方法,取得了一定的推荐效果,但这些方法使用评分数据空间的用户偏好去约束......
