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…