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. Gowalla数据集

  2. 用于基于地理位置的推荐系统数据集。 After preprocessing, the dataset contains 30,887 users, 18,995 POIs and 860,888 reviews.

  3. 所属分类：算法与数据结构

    • 发布日期：2017-11-30
    • 文件大小：10485760
    • 提供者：lylbaidu

  1. Gowalla数据集

  2. 此数据集为gowalla上2011年9月至2011年12月 329839个用户间1679245条社交好友关系和访问过的poi的记录，以及所访问的地点的类型分类

  3. 所属分类：数据库

    • 发布日期：2018-03-17
    • 文件大小：134217728
    • 提供者：alexander_luan

  1. Gowalla数据集

  2. Each line of the files follows the following format: user_ID POI_ID coordinate checkin_time(hour:min) date_id

  3. 所属分类：机器学习

    • 发布日期：2019-01-05
    • 文件大小：4194304
    • 提供者：awigu

  1. Gowalla数据集

  2. Gowalla数据集，包含用户id，地点id，坐标，签到时间，时间id

  3. 所属分类：算法与数据结构

    • 发布日期：2019-03-19
    • 文件大小：7340032
    • 提供者：qq_35608052

  1. RankGeoFM方法中FourSquare和Gowalla数据集处理

  2. 该资源为正在研究推荐系统的人们提供了FourSquare和Gowalla两大数据集，是经过处理过的，被用于RankGeoFM方法试验对比。有需要的可以下载

  3. 所属分类：数据库

    • 发布日期：2020-07-12
    • 文件大小：1048576
    • 提供者：A_Tu_daddy

  1. gowalla.zip

  2. 基于位置的移动社交网络数据集：gowalla,可用与机器学习模型训练。Gowalla is a location-based social network created in 2009: consists of 196,591 nodes and 950,327 edges, its users check-in at places through their mobile devices. Checkins are Shared with friends: As a consequence,

  3. 所属分类：机器学习

    • 发布日期：2020-08-27
    • 文件大小：361758720
    • 提供者：goto_past

  1. 融合时间序列的POI动态推荐算法.pdf

  2. 兴趣点( POI) 的签到数据体现了用户的偏好和兴趣点的分布特征，这在兴趣点推荐领域有极为重要的价值． 为了缓解 数据稀疏造成的推荐不准确等问题，本文提出了融合时间序列的 POI 动态推荐算法，结合用户与用户之间的关系、兴趣点位置 以及流行度信息等． 首先划分时间序列，得到时间因子的相似度;其次时间序列融入到基于用户的协同过滤算法，再根据时间的 连续性特征得到基于用户的预测评分，然后将地理影响因子与基于时间的流行度信息结合，预测用户的评分，进而与基于用户 的评分加权融合;最后，在 Gowalla

  3. 所属分类：机器学习

    • 发布日期：2020-08-31
    • 文件大小：407552
    • 提供者：weixin_44248112

  1. IJCAI-TULVAE:TULVAE的源代码-tensorflow source code

  2. 伊卡·图尔瓦 TULVAE的描述 TULVAE的源代码（TULVAE模型的实现）。 -学习轨迹-用户链接的人员流动的层次结构和潜在表示 环境 Tensorflow 1.0或++ python 2.7 麻木 轨迹分割与嵌入 我们已经在本文中显示了轨迹分裂的详细信息。 对于嵌入，您可以选择wordv2vec工具包。 用法 要运行TULVAE，请运行以下命令： 'python TULVAE_1122.py' 在每个数据中，例如（Gowalla）： 0 480992 49904 420315 7340

  3. 所属分类：其它

    • 发布日期：2021-03-24
    • 文件大小：2097152
    • 提供者：weixin_42166623

  1. 根据类似的入住行为，立即推荐附近的陌生人

  2. 在基于位置的移动社交网络（LMSN）中即时与附近感兴趣的陌生人聊天变得越来越流行。 当前，朋友推荐仅依赖于简单且受限的用户配置文件，并且与现实世界中用户的脱机行为无关。 第一次，我们专注于利用用户在现实世界中的签到行为，而不是一般的基于社交圈的社交圈，立即推荐附近的陌生人交朋友。 但是，以相似的签到行为桥接附近的陌生人具有一些新特征，例如缺乏共同的朋友和互动历史，时间，空间和用户三维关联以及签到稀疏。 现有的有关朋友推荐的大多数工作主要集中在基于熟人的社交圈中结交朋友，而没有充分考虑上述这些新特

  3. 所属分类：其它

    • 发布日期：2021-03-05
    • 文件大小：1048576
    • 提供者：weixin_38588854