檢索結果:共8筆資料 檢索策略: cadvisor.raw="吳怡樂" and ckeyword.raw="推薦系統"
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
隨著電子商務的快速發展,協同式過濾推薦系統已被廣泛地應用於各大網路 平台中,利用推薦系統準確預測客戶對商品的偏好,可以解決使用者所面臨的資 訊超載問題,並且提高使用者對該網路平台的依賴性。由於以協同…
2
推薦系統已經成為現今商業網站不可或缺的一部分,如何有效地推薦使用者感興趣的事物,是現今推薦系統的研究者持續努力的方向。推薦系統的資料來源通常是來自於使用者與物品之間的交互行為,例如評分、點擊、瀏覽紀…
3
推薦系統的應用層面多元且廣泛,舉凡電商平台、影音網站,都有使用這個技術。如果能提高推薦系統的可用性與效率,相信能夠為人類日常生活帶來更多便利性。使用者的歷史互動行為是推薦系統的基礎,目前有許多序列推…
4
隨著深度學習的快速發展,如今深度學習已被廣泛的應用在各個領域,理所當然地也被應用於各種推薦系統中。推薦系統的主要目的是幫助用戶過濾大量信息,並提供滿足用戶個人喜好的產品或服務推薦,而隨者網路與電子設…
5
將深度學習的方法使用在各種領域中已是當今的趨勢,其中包含將自然語言的模型應用到推薦系統中。推薦系統根據產品內容抑或是根據使用者的習慣來判斷使用者的喜好,精確且有效率地根據這些資訊推薦使用者感興趣的事…
6
近年來電影工業發展蓬勃,每年都有上百部的電影推陳出新,而一般人一年看的電影可能才十至二十部。使用者不僅無法快速吸收這麼大量的資訊,想從中挑選出中意的電影更是難上加難。因此,電影推薦作為研究主題越來越…
7
深度學習(Deep Neural Network)是近年來的熱門話題因為它在許多不同的機器學習應用上優於很多技術。LeNet-5[2]是最有名的手寫識別深度學習模組之一。LeNet-5有7層包含輸入…
8
最近推薦系統成為一個熱門的研究主題,有推薦文章、音樂等等各式各樣的推薦系統,但是絕大多數的推薦系統都只有考慮單一屬性例如使用者的喜好(瀏覽、購買紀錄等等)、推薦項目的內容(文章的內容)。本篇論文題出…