檢索結果:共5筆資料 檢索策略: ckeyword.raw="推薦系統" and ckeyword.raw="深度學習"
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
在現今社會中人們每天都會收到大量的信息。然而,他們只對符合他們偏好的信息感興趣。因此,檢索此類信息成為一項重要任務。基於矩陣分解 (MF) 的方法在推薦任務上取得了相當好的表現。然而,基於 矩陣分解…
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…