隐语义模型相关论文
随着大数据时代的到来,如何利用冗杂的数据填补金融产品推荐算法领域的空白、对金融产品实现快速有效的精准营销成为学术界和工业......
自适应测验是自适应评估过程中常用的一种手段，自适应测验长度预测对自适应学习的时间管理和推荐策略有非常重要的影响。对自适应测......
随着科学技术的不断发展,我们已踏入了“大数据”时代的大门,各种数据信息层出不穷,我们每天都在主动或被动的不断获取着关于这个......
自闭症是一种由神经系统失调导致的发育障碍性疾病,近年来,随着发病率和患病人数的增加,该疾病逐渐引起了世界各国的重视。我国在2......
随着互联网技术的快速发展,“数据爆炸”成为炙手可热的问题,在海量的选择中锁定最符合自己心目中的标准的选择越来越困难。推荐系......
众包软件测试作为一种新型互联网协作式问题解决模型,打破了传统软件测试高门槛、高成本和低泛用的壁垒。然而众包软件测试的任务......
近年来,激增的互联网用户群体促进了网络应用与内容创作的高速发展。然而,庞杂的网络信息也带来了新的问题——“信息过载”。针对......
互联网的崛起,信息资源越来越丰富,以往用户面对的数据资源缺乏的问题,现在已不再为之发愁。如今,用户要解决的新问题是,在大数据......
随着互联网技术的快速发展和移动设备的普及,人们网上的交流也越来越频繁,这导致网络信息迅速的增长。在如此庞大的数据量中找到有......
随着信息技术的发展,互联网为人们的日常生活带来了诸多便利,人们可以通过互联网随时随地的浏览、获取信息。互联网为我们带来便利......
进入21世纪以来,互联网每天都在生产数据、创造数据和使用数据。大量的数据产生大量的信息,致使用户越来越难以从中甄别有用的信息......
传统隐语义模型推荐算法仅仅使用用户历史评分和部分偏置项,没有充分挖掘到用户更深层次的潜在信息,从而导致推荐效率和用户满意度......
互联网时代下的信息数据量快速增长,提高了用户查找信息的难度。推荐算法作为一种基于数据的信息过滤与处理技术,为解决此类问题提......
近年来,随着大数据时代的来临和5G技术的飞跃发展,诸如网易新闻、今日头条、腾讯新闻等在线新闻平台成为人们获取信息的重要媒介。......
针对日语短时语音识别准确率较低、系统鲁棒性有待提高的问题,研究提出一种基于DBN深度学习的日语识别方法.通过对DBN模型结构和其......
观看视频已逐渐成为人们休闲娱乐方式之一,但视频网站却面临着如何从用户的需求出发更好地推荐视频资源的困惑.传统的协同过滤算法......
图书馆是高等院校最为重要的学术场所之一,数以百万计的图书为师生的学习和科研提供了丰富的资源;然而面对海量的馆藏图书,简单的......
随着电子商务和大数据技术的发展,在信息超载的情况下,如何提升营销的效率,更加全面的结合用户的喜好对产品进行推荐,成为关注的重......
摘 要：为了使学生可以准确、合理的进行选修课程，并调动其学习主动性，考虑到学生-课程之间潜在关系，提出了一种基于Funk-SVD技术的隐语......
推荐系统本质上是一种信息检索工具,它检索出有用信息并推荐给特定的用户.组推荐系统通过不同的融合策略融合群组偏好,支持群组用......
推荐算法(Recommendation Algorithm)的目的是将最可能引起用户兴趣的物品推荐给用户,从而使用户和供应商都得到利益最大化。随着......
随着大数据时代的到来,新技术层出不穷,社交网络的发展如火如荼。微博是最热门的社交平台之一,拥有着庞大的用户群体,每天产生无数......
随着信息技术的发展和宽带网络的普及,在线视频业务迅猛发展。在线流媒体视频播放已成为当今互联网上网络流量的主要贡献者之一。P......
推荐系统是解决信息过载的有效工具,它能根据用户的历史行为数据做出个性化推荐。隐语义算法作为一种经典的推荐算法在研究和应用......
随着互联网、物联网、移动互联网的飞速发展,海量的数据信息产生了信息过载问题。尤其在大型电影推荐网站,如何通过一种有效的机制......
电子商务平台中广泛应用的协同过滤推荐技术是根据相似用户的偏好数据向目标用户推荐项目，虽然其具有无需理解项目内容、易于实现等......
随着互联网和移动智能终端的兴起发展,人类正面临严重的数据过载。为了解决这一问题,推荐系统应运而生。推荐系统通过分析用户的偏......
随着互联网的迅速发展和普及,互联网用户和社交内容的规模爆发式的扩大,逐渐走向信息过载的时代。这时,在信息的过滤和筛选上,推荐......
近年来,网络信息技术获得了巨大的发展,它为人们提供便利的同时也带来了巨大的困扰。信息种类越加繁多,信息结构越加复杂,逐渐造成......
随着移动互联设备的普及和各种社交app的兴起,个性化推荐系统早已从传统的电子商务和新闻推荐领域渗透到人们生活的方方面面。推荐......
互联网和科学技术的发展不断地降低物品的生产成本,致使物品空间迅速膨胀,长尾物品越来越多;物质世界的日益丰富,使得人们对个性化......
随着互联网行业的迅猛发展,网络上充满了各种各样的信息。为了解决信息过载所带来的负面效应,提高用户对信息的利用率,一种智能的......
随着互联网的快速发展,网络上出现的信息呈指数增长,出现信息过载问题。推荐系统,因其可以根据用户的历史浏览记录为用户从海量信......
在当前大数据时代,一般通过搜索引擎和推荐技术来应对海量数据的问题,其中推荐技术可以实现个性化和主动性的推荐效果。但是随着推......
进入Web2.0时代以来,Facebook、微博、Twitter等社交网站迅速普及,用户通过互相添加为好友或关注等方式建立并拓展符合自己兴趣爱......
互联网上的信息量每天都在爆发性的增长,这使得信息过载问题不断加重。个性化推荐技术作为解决信息过载问题的重要手段也正在不断......
随着计算机的普及以及互联网的快速发展,越来越多的信息服务为用户的日常生活带来了便利,尤其是近年来智能手机的普及,使得用户可......
近年来,随着互联网技术的发展,个性化、智能化的在线测评技术逐渐成为大众进行自我学习检验的一种重要途径。传统课堂教育模式的知......
为了改善传统的协同过滤推荐算法由于数据稀疏性以及过于强调相似度的作用而导致预测准确率较低的现象,提出一种改进算法,即结合隐......
传统的推荐系统常用显式反馈进行个性化推荐,但显式反馈数据不易获取,质量不好且易引起用户反感,使推荐结果不能满足用户需求。隐......
隐语义模型（LFM ）是文本挖掘领域的重要模型，将它应用于推荐系统的评分预测具有预测精度高和占用内存小的优点。但由于时间开销较大，LF......
针对原有的基于隐语义模型（LFM）的推荐算法中，当训练样本数减少时，训练误差和测试误差都明显增大的问题进行改进研究，提出了一种全新的......
目前绝大数高校图书馆都是通过检索功能对热门图书做简单的排序检索推荐,而无法快速有效地从海量图书资源中推荐给读者合适的图书,......
针对传统推荐算法存在的矩阵稀疏和冷启动问题,通过对隐语义模型进行改进,从大量学习日志的隐性反馈信息中获取用户偏好矩阵和课程......
随着移动应用向货运领域快速渗透,为了实现货主便捷发布货源、货车司机快速接单、货主和货车司机的需求快速匹配,提出基于隐语义模......
