檢索結果：共60筆資料 檢索策略： "Recommender System".ekeyword (精準)
個人化服務 ：
排序：
每頁筆數：
已勾選0筆資料
1
本研究採用混合模糊多準則決策（MCDM）方法，分析台灣豪華車廠商對人才聘雇方面，對於以人工智慧(AI)求職推薦系統為核心的數位平台作為面談聘任的主要影響因素。基於相關文獻和專家建議，本研究根據202…
2
3
近年來推薦系統對於在學術圈的研究者來講是熱門的主題，有推薦音樂、電影、書本等等各式各樣的推薦系統。在本論文，我們使用hetrec2011-lastfm-2k這個資料集，這個資料集是從社群音樂網站取得…
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
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…
6
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…
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
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…
9
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…
10