数据稀疏性相关论文
在协同过滤推荐算法中，传统的相似度计算方法在计算时未能考虑用户共同评分项目数量差异、评分数值差异、项目热门度差异和用户兴趣......
针对兴趣点（point-of-interest,POI）推荐中用户-POI矩阵数据稀疏问题，当前的研究通过探索地理位置、内容信息及社会关系等上下文因素......
随着国民经济发展,美食种类越来越多样,人们对美食的需求不断扩大,从大量的美食信息中准确直观地为用户呈现符合其多元需求的菜品......
数据稀疏问题是推荐系统重要的挑战。跨域推荐作为一种有效的解决方法,受到了越来越多研究者的关注。多数跨域推荐算法或是仅利用......
在当今社会,网络已经成为人们获取信息的主要来源。海量的数据信息使得人们很难能够快速获取满足自己需求的信息,而推荐系统能够帮......
针对协同过滤算法中数据稀疏性导致的推荐结果精确度不高的问题，本文提出一种改进的加权Slope-One算法填充评分矩阵。首先，利用用户......
在当今时代,科学技术飞速发展,短视频靠着短小精悍、内容丰富、生动鲜明等特点逐渐走向了日常生活。短视频作为当今休闲娱乐的重要......
推荐算法的需求非常之早,在机器学习还没有完全流行的时候便已经出现。尤其是到了如今互联网高速发展的时期,网络中充斥着大量的无......
随着5G、WiFi等网络技术的发展和智能移动设备的普及,基于位置的社交网络（LBSN,Location-based Social Network）已成为人们关注的焦......
随着互联网的发展,全球数据量爆炸式增长,信息过载现象严重,如何获取用户真正关注的信息成为困扰人们的难题之一.在此背景下,推荐......
随着网上信息量的急剧增加,信息过载问题成为了制约网络发展的一个重要因素。个性化推荐系统作为解决信息过载问题的有效手段,得到......
在基于位置的社交网络(LBSN)中,用户可以在兴趣点(POI)进行签到以记录行程,也可以与其他用户分享自身的感受并形成社交好友关系.PO......
随着互联网的不断发展，在人们的生活与工作中，信息过载问题越来越严重，为了让人们在对自己的需求也不太明确的情况下，从海量的数据中找......
在海量的数据中发现用户的兴趣度是电子商务领域实现针对性信息推送的一种重要方法。根据大数据稀疏性特征，把奇异值分解方法引入协......
随着互联网技术的应用和普及,特别是电子商务的迅猛发展,存储在网络上的数据呈现出指数增长的趋势,由此出现了“信息爆炸”和“信......
近年来,随着电子商务市场的急速扩增以及网络购物成交量的日益加大,海量的商品信息充斥着每个消费者的生活,如何方便快捷地为用户......
信息技术的迅猛发展给人们的生活带来了很多便捷,随着网上用户的增加,产生的海量数据一时间让用户无法应接,大量的商品信息无法应......
由于数字图书馆具有丰富的信息资源和便捷的操作性，在近几年内其得以快速的普及和发展。当前比较成功的数字图书馆系统有ACM数字图......
随着Web爆发式地增长,推荐系统已经广泛的被用户所接受。大量的互联网用户增加到形形色色的电子商务网站中去,这就使得推荐系统得......
随着电子商务规模的进一步扩大,用户数目和文档资源急剧增加,导致用户数据的极端稀疏性和系统扩展性问题。传统协作推荐算法都无法......
随着信息技术的高速发展和信息资源的迅速膨胀,人们从海量数据中找到自己真正感兴趣的信息变得越来越困难,这就是著名的“信息过载......
随着互联网技术的不断发展、电子商务应用的不断普及,越来越多的信息充斥在互联网之上。面对如此多的资源,如何快速找到自己真正所......
随着Wleb技术在互联网中发展,用户不再是简单地从网络中获取信息,而是采取更加主动的方式产生信息。由于用户数量的急剧增长,以用......
随着互联网的普及和电子商务的快速发展,电子商务系统提供更多选择的同时,其结构也变得更加复杂,用户经常会迷失在大量的商品信息......
随着互联网时代的发展,大量的信息数据在不断产生。个性化推荐帮助用户从海量数据中筛选出需求的数据,为了使用户获得更好的推荐体......
随着Web2.0技术的快速发展,互联网给人们的工作生活都带来了很多的便利。例如,在过去人们为了买一件衣服,可能需要去很远的商场购......
随着Web2.0、移动互联网等技术的崛起,人们获取信息的方式发生了巨大的改变,信息化已经日益深入。互联网上的信息迅速增长,人们进......
协同过滤算法是迄今最为流行的推荐算法之一,但是传统的协同过滤算法都面临着数据稀疏性的问题。现有的系统主要是通过辅助信息来......
随着家居电商的进一步发展,用户对个性化推荐的需求与日俱增,各种各样的推荐算法开始应用其中。传统的聚类推荐算法,每个参与的用......
随着电子商务网站中商品数量和种类的增多，消费者需要花费更多的时间进行商品的筛选，这种信息过载的现象困扰着人们对有效信息的选择......
信息爆炸导致了过量信息资源，使得人们无法集中注意力去寻找对自己有价值的信息，而迷失在海量的信息资源里，这样会降低信息的使用效率......
随着互联网信息技术的蓬勃发展,信息过载问题变得越来越严重,用户无法快速从海量数据中找到对自己价值度与满意度高的信息,于是辅......
随着在线推荐系统在社交网络中的广泛运用,随之而来的是用户隐私保护和数据稀疏性的风险。在电影推荐系统领域方面,越来越多的用户......
互联网技术的蓬勃发展导致信息过载,使得公众难以辨别琳琅满目的商品和选择最符合自己需要的商品。因此,基于信息检索的个性化推荐......
信息是互联网资源不可或缺的一部分。随着互联网信息的爆炸式增长和信息种类纷繁复杂的变化,让用户从中选择出对自己真正有意义的......
随着个性化兴趣点推荐系统研究工作的进一步深入,多种上下文因素被共同引入模型中以捕捉用户的动态偏好。然而复杂的上下文因素和......
随着网络信息量的急剧增长,传统的信息检索方法出现了一些性能瓶颈。例如,对于内容信息的检索需要用户提供明确的需求,输入关键词......
随着互联网和移动互联网的普及与深度应用,信息量激增。如何解决信息过载,满足用户的个性化需求成为了当前的一个研究热点。推荐算......
随着网络平台的发展,推荐系统作为用户与产品沟通的桥梁得到了广泛的关注。协同过滤推荐模型在商业推荐中十分流行,主要通过分析用......
在大数据时代,从海量数据中提取人们感兴趣的信息成为了可能。但是,由于互联网中充斥着大量与用户需求无关的信息,影响了人们对信......
推荐系统是一种基于交互式评分数据的数据挖掘技术,通过深层次地挖掘显式评分数据和隐式反馈数据中具有潜在价值的信息,得到用户和......
