檢索結果:共6筆資料 檢索策略: "Hsing-Kuo Pao".ecommittee (精準) 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
在社群網路興起的今日,每天都有非常多的訊息及資訊不斷的產生,而且每天都會接收到很多來自於好友以及社團的動態消息、電子郵件及訊息,所以大家通常都會花費許多時間在看大量的訊息及資訊;以臉書(FaceBo…
2
近年來隨著網際網絡爆發性的發展,在網路網絡中的訊息量也快速成長,人 們的交際關係從現實環境中逐漸轉變成為虛擬的網際網絡。根據統計,知名交友 網站MySpace在2006年9月就有一億六千萬註冊的成員…
3
在推薦系統中協同過濾 (Collaborative filtering) 是目前最廣泛使用的方法之一,而此方法最重要的組成部分便是透過使用者項目矩陣 (User-item matrix) 找到相似的…
4
現今的許多網站,都允許使用者為網站中的物件給予標籤,這個過程也被稱為大眾分類法 (Folksonomy).因為使用者可以自由的輸入標籤,所以標籤正是一個容易取得,而且隱含使用者喜好資訊的有用資料來源…
5
在推薦系統(recommender system)相關的研究領域中,目前大多以針對個人喜好進行推薦為主。主要作法為記錄個人在系統中的行為模式,待下一次使用者(user)使用系統時以使用者的歷史喜好或…
6
線上資訊的急遽成長促進了個人化服務與推薦系統的發展。為了切合使用者不同的需求以減輕資訊負載的問題,推薦技術被相繼地提出以提供使用者更適切的服務。在眾多被提出的推薦技術中,以項目為基礎的協同過濾推薦方…