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…

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…

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…

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…

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…

隨著網路世代的興起，資訊量大幅的增加，現今推薦系統已不單只使用於電子商務，各個領域都有這方面的需求。在學術領域，隨著文獻電子化的普及以及文獻數量的大幅增增加，已有許多幫助尋找文獻的學術搜尋服務的需求…

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…

在推薦系統領域中，神經網絡的使用越來越普遍，在過去大部分的研究當中通常透過單一表徵來代表使用者的整體偏好，而在一些研究當中注意到使用者偏好可以被解釋為使用者的多方面的興趣，因此多興趣的概念在推薦系統…

越來越多線上服務被推出，而推薦系統成了從大量資訊中有效地擷取資訊及使用者喜好並提供個人化推薦的重要功能。在這些線上平台上，使用者透過各種操作與物品互動。使用者可以點擊物品、瀏覽物品、購買物品、評比物…