注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. G-RA:针对最大项相关性推荐问题的推荐算法

  2. 推荐系统作为一种新的获取信息的技术,自上个世纪 90 年代发展至今,已经出现 了很多成熟的算法并成功的应用在商业上。本文阐述了一种新的问题场景:用户指定了一些 项,要求推荐系统推荐与之有最大相关性的项——称这个问题为最大项相关性推荐问题。本 文对这个问题借助于关系图挖掘(Proximity Graph Mining)技术进行了形式化的问题定义, 并提出了一个算法来解决这个问题。

  3. 所属分类：其它

    • 发布日期：2010-06-01
    • 文件大小：207872
    • 提供者：maybesomeday

  1. 基于混合用户模型的协同过滤推荐算法研究

  2. 协同过滤算法 [31] 从问世到现在已有二十多年的历史，最初的研究主要集中在怎样进行信 息的过滤，也称为社会信息过滤，其主要原理是利用“口碑”来进行推荐，根据用户对服务的 偏好信息，得到用户之间的相似度，根据这些相似度所体现出来的相关性来进行推荐。近十 年的研究主要集中在解决数据稀疏问题，可扩展性问题，充分利用用户信息问题，冷启动问 题，伸缩性问题等等

  3. 所属分类：专业指导

    • 发布日期：2013-11-25
    • 文件大小：761856
    • 提供者：ricky_lxl

  1. 有关推荐算法的python代码

  2. 把推荐算法里最基础的基于人与基于物过滤多相关性搜索进行python实现，并且作为基本的通用代码

  3. 所属分类：专业指导

    • 发布日期：2015-04-28
    • 文件大小：5120
    • 提供者：qq_25498407

  1. 有了这种矩阵分解推荐算法，你就知道用户的喜好了.pdf

  2. 针对目前用户偏好数据和社交关系数据十分稀疏的问题，以及用户可能更加喜欢朋友推荐的商品而不喜欢非朋友推荐的商品这样一个事实，提出了一种结合社交网络和用户间的兴趣偏好相似度的正则化矩阵分解推荐算法，首先针对社交关系数据稀疏问题，利用网络的全局和局部拓扑特性挖掘出用户间的信任和不信任关系矩阵，然后定义了一种改进的用户间的兴趣偏好相似度计算方法，最后在矩阵分解的过程中将信任矩阵、不信任矩阵以及兴趣相关性综合起来为用户作出推荐。实验表明该方法优于主要的正则化推荐方法，与基本的矩阵分解模型（ Social

  3. 所属分类：其它

    • 发布日期：2019-07-23
    • 文件大小：946176
    • 提供者：weixin_39840924

  1. 推荐系统-基于用户的协同过滤(movie数据集)

  2. 实现过程： 1、得到用户兴趣表，横轴为movie_id，纵轴为user_id 2、计算任何两位用户之间的相似度或者是相关性 3、取与某用户相似度最高的若干个用户的兴趣推荐给该用户（或者找到和每个用户相关系数在阈值以上的用户，并将他们喜欢的电影推荐给该用户）

  3. 所属分类：搜索引擎

    • 发布日期：2019-07-08
    • 文件大小：5120
    • 提供者：ismedal

  1. 推荐评论展示（短文本二分类）

  2. 目录   一、题目描述 1.1 背景描述 1.2 数据集 1.3 评测指标 二、解题思路 2.1 ML/DL的前提假设 2.2 主要思路 2.3 进一步的改进 三、动手实践 四、全部代码 一、题目描述 1.1 背景描述 本次推荐评论展示任务的目标是从真实的用户评论中，挖掘合适作为推荐理由的短句。点评软件展示的推荐理由具有长度限制，而真实用户评论语言通顺、信息完整。综合来说，两者都具有用户情感的正负向，但是展示推荐理由的内容相关性高于评论，需要较强的文本吸引力。一些真实的推荐理由如下图所示：  

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：208896
    • 提供者：weixin_38646706

  1. android module解耦组件化总体概述(推荐)

  2. 原由 移动开发中，随着项目不断的跌代，需求越来越复杂后。项目工程也越来越庞大。那么此时的分module的开发，则是必然的选择了。在最终的组件化之路上，不妨把单一工程比如石器时代，那么接下来简单的拆分工程分多个moudle开来就是铜器时代。 铜器时代之简单分module 演进 由于从复杂的单工程拆分了多个module了，达到了代码及资源的初步的隔离，或需求模块的开发人员，开始专注于自己的需求模块module的开发了。但是随着部分需求有相关性，需要相互调用时。那么问题来了，在AXXX modu

  3. 所属分类：其它

    • 发布日期：2021-01-05
    • 文件大小：69632
    • 提供者：weixin_38724247

  1. 一种结合相关性和多样性的图像标签推荐方法

  2. 一种结合相关性和多样性的图像标签推荐方法

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：1048576
    • 提供者：weixin_38504170

  1. moviefy:在机器学习中使用相关性的电影推荐系统-源码

  2. moviefy:在机器学习中使用相关性的电影推荐系统

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：925696
    • 提供者：weixin_42120550

  1. Web API推荐，具有功能集合和“学以致用”的特点

  2. 近年来，已经提出了多种针对服务生态系统的方法来满足Web API推荐的要求。 但是，如何有效地结合mashup和API的琐碎功能以提高推荐效果仍有待探索。 因此，我们提出了一种Web API推荐方法，该方法采用了功能集成和等级学习的方法。 根据混搭和Web API的可用数据，提取文本特征，最近邻居特征，API特定的特征，API的标记特征以估计回归模型中混搭需求与候选API之间的相关性。 ，然后使用“学习排名”方法来优化模型。 实验结果表明，我们提出的方法在推荐性能方面优于某些最新方法。

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：314368
    • 提供者：weixin_38659311

  1. 通过知识图上的随机游走的面向Mashup的API推荐

  2. 随着Web API经济的日益繁荣，面向混搭的API推荐已成为一项重要要求。 已经使用了基于不同技术原理的各种方法来解决这个问题。 近年来，Web API生态系统已经积累了丰富的知识，可用于增强推荐模型，但是，目前仍然对此表示关注。 为了解决这个问题，我们为面向mashup的API推荐任务提供了一个基于图的算法框架。 特别是，我们设计了一个简洁的知识图模式，以对特定于混搭的上下文进行编码，并使用图形实体对混搭需求进行建模。 然后，我们利用重启进行随机游走，以根据知识图评估mashup需求与Web

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：1048576
    • 提供者：weixin_38518074

  1. 结合标签相关性和用户社交关系进行微博推荐

  2. 随着社交网络应用的发展，微博客已成为我们日常生活中必不可少的在线交流网络。 对于微博用户而言，推荐高质量的信息是一项苛刻的服务。 一些微博服务鼓励用户使用标签来注释自己，这些标签用于描述他们的兴趣或属性。 但是，很少有用户愿意创建标签，并且可用标签未被完全利用来推荐微博。 此外，微博中的关注/追随者关系是不对称的，不仅可以用于与朋友或熟人交流，还可以用于获取有关特定主题的信息。 到目前为止，还没有采用上述所有信息的微博推荐算法。 本文旨在研究一个联合框架，将标签相关性和用户社交关系相结合，以进行

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：1033216
    • 提供者：weixin_38695773

  1. Runinga:一个向父母推荐儿童电影的网站-源码

  2. 鲁宁加 作者： Ephraim Kamau，马克·穆肯尼亚（Mark Mukenia） 产品描述： 入门： {设置说明} 相关性： 设置说明： 执照： 版权所有:copyright:2021.根据MIT许可发行。

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：2097152
    • 提供者：weixin_42134038

  1. 基于多标签关联的微博推荐算法

  2. 在本文中，我们提出了一种基于多标签相关性的微博推荐算法。 首先，设计了一种标签检索策略，为未加标签的用户添加标签，然后构造初始用户标签矩阵，并设置用户标签权重。 为了准确表示用户兴趣，我们充分研究了标签之间的关联。 定义标签之间的内部和外部相关性，以解决用户标签矩阵稀疏性的问题。 然后可以确定用户兴趣，并可以向用户推荐微博。 实验结果表明，该算法对微博推荐有效。

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：180224
    • 提供者：weixin_38517113

  1. 挖掘用户提供的照片以进行个性化产品推荐

  2. 随着社交媒体的出现和普及，用户愿意通过照片，评论，博客等分享他们的经验。 这些用户共享的社交媒体内容揭示了潜在的购物需求。 产品推荐器不仅限于电子商务网站，还可以扩展到社交媒体网站。 在本文中，我们提出了一种用于个性化产品推荐的新型分层用户兴趣挖掘（Huim）方法。 我们方法的输入内容包括用户提供的照片和用户生成的内容（UGC），其中包括用户注释的照片标签以及社交网站中其他用户的评论。 提议的方法包括四个步骤。 首先，我们充分利用图片的视觉信息和UGC来激发用户的兴趣。 其次，我们通过主题分布向

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：4194304
    • 提供者：weixin_38739837

  1. 基于信息融合的混合多组共聚推荐框架

  2. 协作过滤（CF）是推荐系统中最成功的算法之一。 但是，它遭受数据稀疏性和可伸缩性问题的困扰。 尽管已加入许多聚类技术来缓解这两个问题，但是其中大多数未能在推荐准确性上实现进一步的显着提高。 首先，它们中的大多数都假设每个用户或项目都属于一个集群。 由于通常用户可以拥有多个兴趣并且项目可能属于多个类别，因此更合理地假设用户和项目可以加入多个集群（组），其中每个集群都是志趣相投的用户和他们喜欢的项目的子集。 此外，大多数基于聚类的CF模型仅在聚类过程中使用历史评级信息，而忽略了推荐系统中的其他数据资

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：779264
    • 提供者：weixin_38643141

  1. 一种基于标签概率相关性的微博推荐方法

  2. 向微博用户推荐对其有价值和感兴趣的内容，是改善用户体验的重要途径。通过分析微博的特点以及现有微博推荐算法的缺陷，利用标签信息表征用户兴趣，提出一种基于标签概率相关性的微博推荐方法LPCMR。首先，该方法利用标签之间的概率相关性，构造标签相似性矩阵。然后通过相关性标签权重加权方案，加强标签权重，构建用户-标签矩阵。针对用户标签矩阵稀疏的问题!采用标签相似性矩阵对用户-标签矩阵进行更新，使该矩阵既包含用户兴趣信息，又包含标签与标签之间的关系。以新浪微博公开API抓取的微博信息作为实验数据，进行了一系

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：865280
    • 提供者：weixin_38672940

  1. 用于普适性学习的情境感知个性化资源推荐

  2. 由于学习者很难通过传统的关键词搜索方法从海量的教育资源中发现和获取最合适的资源，因此基于上下文的资源推荐服务成为普及学习环境的重要组成部分。 目前，推荐机制已广泛用于电子商务领域，在这些领域中，通常分别考虑基于内容或基于协作的筛选策略。 但是，在这些现有的推荐机制中，学习者的动态兴趣和偏好，普遍学习环境的访问模式和其他属性（例如多模式连接和资源分配）始终被忽略。 因此，这些机制不能有效地反映学习者的实际偏好，也不能完美地适应普遍的学习环境。 为了解决这些问题，提出了一种用于普适学习环境的上下文感

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：3145728
    • 提供者：weixin_38679839

  1. 图书推荐：使用好书数据集的图书推荐系统-源码

  2. 使用奇异值分解（SVD）的书籍推荐 这是一个基于奇异值分解（SVD）的推荐系统。 SVD应用于评级矩阵的位置。 它将评估矩阵分解为3个不同的矩阵U，Sigma，Vt。然后按以下顺序（U） Sigma Vt提取3个矩阵的点积，以生成大小为（number_of_users x number_of_books）的用户配置文件矩阵。 用户配置文件矩阵中的一行代表用户与电影之间的相关性/喜好度得分。 项目目标 使用SVD生成用户个人资料，即AKA形状的表格（number_of_user x number

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：16777216
    • 提供者：weixin_42169674

  1. MovieReccomenderSystem：创建了一个基于内容的推荐系统，该系统基于用户给出的评分的相关性，提供与《星球大战》和《骗子骗子》相似的电影-源码

  2. 电影推荐系统 创建了一个基于内容的推荐系统，该系统可根据用户给出的评分相关性，为《星球大战》和《骗子骗子》提供类似的电影。

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：958464
    • 提供者：weixin_42114645
« 12 3 4 »