檢索結果：共21筆資料 檢索策略： "資訊工程系".dept (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
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…
2
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…
3
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…
4
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…
5
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…
6
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…
7
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…
8
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…
9
近年來許多學者針對網頁的推薦系統進行相關研究，透過網頁所蘊含的資訊，幫助使用者過濾龐大的網頁資料量，讓使用者能夠快速地找到欲查詢的網頁資料。本論文結合最近鄰居演算法與K平均演算法於推薦系統之研究，研…
10
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…