协同过滤算法如今已经广泛地应用在推荐系统领域,并很好地处理了爆炸式的信息过载问题。但是随着数据问题的复杂化,比如潜在的隐式......

推荐系统的协同过滤算法[1]已经得到了人们的普遍关注并取得了很大的进展。协同过滤算法在Netflix推荐系统比赛中起到了核心作用，无......

大数据时代,如何利用获取的数据,为用户进行个性化的推荐,具有广泛的应用前景和研究价值。LBSN(Location-based Social Network,基......

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......

为了解决推荐系统中固有的数据稀疏性和冷启动问题，通常会采用一些额外的与用户或是项目有关的信息。提出了一种新颖的基于矩阵因子......

电子商务各类新技术的出现和广泛应用以及用户海量数据的积累,为精准营销、动态供应链优化等提供了前所未有的发展空间。然而巨量......

近年来,随着智能手机以及互联网的快速发展,基于网络的应用服务发展越来越迅猛,给人们带来了更加丰富多元的网络生活。然而,用户同......

在推荐系统中，因评分尺度差异而造成的偏差问题一直影响着协同过滤算法的预测准确性。其中针对矩阵因子分解算法中的偏差问题，提出一......