神经协同过滤相关论文
推荐系统（Recommender Systems,RS）是一种个性化的信息过滤工具,能够有效地缓解信息过载问题。Top-N推荐是推荐系统中主要的应用问题......
随着在线电影数目不断增加,人们开始通过信息过滤以获取有效信息,因此个性化的电影推荐系统成为研究的热点。本课题研究电影推荐,......
由于信息化建设的全面推动,数据呈现爆炸式增长,信息过载对互联网生活造成严重干扰。为缓解这个问题,推荐系统被广泛的研究和应用,......
随着信息技术的发展,人们能够获取的信息资源的方式越来越多,面对的信息资源日益丰富,“信息过载”问题日益凸显,导致人们在海量的......
近年来,随着物质生活的日益丰富和互联网的飞速发展,基于活动的社交网络（event-based social network,EBSN）吸引了越来越多的注意力......
随着互联网技术快速发展,Web服务的数量急剧增长,网络中出现众多有相同或相似功能的Web服务,用户很难通过服务的功能属性选择满足......
针对现有协同过滤方法对用户与商品的潜在信息挖掘不全面的问题,提出了一种基于多特征融合和外积神经协同过滤的个性化商品推荐方......
随着机器学习概率学派和贝叶斯学派的逐渐统一衍生出了很多的优秀的融合模型,比如用于文本处理的隐狄利克雷分布主题模型。这个模......
近年来,推荐系统得到了极快速的发展,以多人推荐场景为出发点,群组推荐系统应运而生。区别于其它单人推荐系统,除了向单个用户进行......
推荐系统(Recommendation System,简称RS)利用用户-项目历史交互记录来学习用户潜在个性化偏好以及项目潜在属性特征,从而帮助用户......
传统的矩阵分解法只能简单提取低阶信息,特征组合单一,无法挖掘更多隐含信息。依赖稀疏的评分表已经无法满足个性化推荐。MovieLen......
传统的神经协同过滤算法在隐式反馈数据集上对用户和项目建模，由于隐式反馈数据天然带有很强的噪音，这给模型的学习带来了挑战。为了......
近年来,由于人们环保意识的增强,各国都在大力发展电动汽车,越来越多的人选择电动汽车出行,相应的基础设施即公共充电桩的数量也随......
随着第四代移动网络的快速发展以及内置定位系统的完善,使得一些社交媒体平台可以便捷的获取用户的位置信息。而用户也可以根据自......
近年来,随着互联网技术的不断发展,信息数据的总量与复杂度在飞速增加,信息过载已成为社会所面临的核心问题。推荐算法作为解决信......
在推荐系统中,传统的矩阵分解无法提取用户和物品特征,而神经协同过滤(NCF)在分解模型中增加多层感知器,但不能有效利用用户和物品......
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......
传统的矩阵分解法只能简单提取低阶信息,特征组合单一无法挖掘更多隐含信息,且特征组合权重相同无法满足个性化推荐。通过改进神经......
