檢索結果:共41筆資料 檢索策略: "Recommender System".ekeyword (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
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…
2
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…
3
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…
4
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…
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
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…
7
8
近年來,引入時序概念的序列推薦成為推薦系統中的重要研究方向。在序列推薦模型中,引入自關注機制能改善模型容易遺失序列過久以前資訊的問題,且能對序列的項目根據其相關度給予不同權重,以提升預測準確率;引入…
9
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…
10
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…