用户评分相关论文
在大数据时代,人们一方面享受着大数据所带来的红利,各个平台都给用户们提供了多种多样的选择,以此来丰富人们生活。但是另一方面,......
计算机、互联网技术的飞速发展,极大地拓展了人们获取信息的渠道,有效促进了多样化信息的共享。然而,面对海量、复杂信息,人们在体......
为解决传统网络结构推荐算法的造成信息丢失和数据稀疏而带来的推荐准确性低问题,本文在用户推荐能量流动时充分考虑用户对项目的......
随着Web服务相关标准的不断完善以及面向服务的体系架构的发展,基于Web服务构建信息系统的方式已经为工业界所广泛接受并实施。另......
本文主要基于复杂网络理论来研究推荐系统中的用户评分预测问题。重点研究了用户评分行为的异质性,提出了多个有效的个性化推荐算......
传统的协同过滤算法面对稀疏数据时计算相似度精确度偏低,导致评分预测结果计算不准确,推荐效果也随之下降.针对传统协同过滤算法......
随着三网融合的不断推进，广播电视网和电视相关产业蓬勃发展，智能电视作为内容和服务呈现的载体，成为产业链的核心环节。然而，面对日益......
随着互联网的发展和大数据时代的到来，个性化推荐服务已经成为一种新的趋势。协同过滤算法是目前推荐系统中应用最成功和使用最广泛......
现有匿名算法多数仅针对准标识符进行泛化实现隐私保护,未考虑敏感属性的个性化保护问题.为此,在p-sensitive k匿名模型的基础上设......
为解决传统协同过滤算法中数据稀疏性的问题，本文提出了基于用户评分与用户特征相结合的混合推荐算法。该算法在一定程度上解决了传......
协同过滤算法是推荐系统中使用最广泛的算法,其核心是利用某兴趣爱好相似的群体来为用户推荐感兴趣的信息。传统的协同过滤算法利......
用户评分的模糊性、随机性表现出服务质量（Qo S）的不确定性是软件即服务（Saa S）最优服务选择研究的难题之一.提出一种基于云模型的Saa ......
现有匿名算法多数仅针对准标识符进行泛化实现隐私保护，未考虑敏感属性的个性化保护问题。为此，在p-sensitivek匿名模型的基础上设计......
以新浪财经移动应用为例,分析用户评分对财经资讯APP潜在用户下载量的影响效应。基于平台一年期间的用户评论数据,构建多元线性模......
针对传统降噪自编码器(DAE)中加噪操作的随机性影响预测精度的问题,以及数据矩阵忽视用户具体评分信息的问题,提出了一种结合用户......
针对当前电商网站评分存在分布过于集中、可信度不高等问题,提出基于评论内容的情感分析,即通过提取评论内容的特征词和情感词,建......
个挂化信息服务系统是建立在海量数据挖掘基础上的一种高级智能网络平台，以帮助网站为其用户提供完全个性化的决策支持和信息服务。......
在协同过滤推荐系统的相关研究中,计算用户的相似性时通常使用传统的余弦法、Jaccard相似法,而基于这些算法所得到的评分预测往往......
文章首先基于现有的几种协同过滤算法,以及当前算法存在的问题,提出了一种基于用户评分的最近邻协同过滤混合算法,并与经典算法:基......
笔者结合运载火箭知识库的特点，对现有的机器学习算法进行优化改进，从用户模型数据特征、兴趣模型构建、用户兴趣更新机制及推荐算法......
混合推荐是解决各种单一推荐方法缺陷的重要途径,文中提出基于图的混合推荐算法,通过在图中融合各种推荐因素进行建模,产生最终的......
近日,中山大学发布《＂互联网＋政务＂报告（2016）：移动政务的现状与未来》（以下简称＂报告＂）指出,全国70个城市推出政务APP316个,但公众信任度不......
随着电子商务逐步进入社会化商务时代,消费者发布和获取信息的渠道日益增多,但同时导致了信息过载的负面问题。推荐系统的出现,为......
协同过滤推荐算法被广泛应用于电子商务数据化运营中，由于数据分析项目类型较多，涉及不同的业务场景、业务目标，协同过滤推荐算法也不......
网络技术的发展,特别是最近几年来"互联网+"和大数据的发展,给企业产品营销带来了极大的机遇和挑战。相较于传统的通过简单粗暴的......
<正>随着计算机与互联网技术的普及与发展,基于Web的社会性网络服务(Social Networking Services,SNS)引人注目,其数量和规模发展......
针对传统基于用户的协同过滤推荐算法存在的相似性度量不准确和缺乏对用户评分合理应用的问题,提出了一种结合中介真值程度度量(MM......
互联网带来的网络信息所特有的便利性给人们带来了传播的效率,但其所特有的爆炸性也使得人们不得不面对信息过剩的困境。在商业活......
用户发表的购后评论,隐含着消费者对产品特征的某种偏好。有效挖掘消费者的偏好信息,有利于企业制定差异化的营销策略。首先,采用......
