用户兴趣变化相关论文
考虑用户兴趣变化对短视频用户行为(如:查看评论,点赞,点击头像,转发)进行预测。本文将排序后的用户历史行为序列作为语料库引入Word2Vec......
协同过滤算法作为各种商业推荐技术最常使用的方法之一。然而,由于数据的稀疏性和用户的评分存在单一的相似性,低精度相似度度量降低......
为了提高用户相似度计算的精度和知识推送的准确度,提出了一种基于热门物品惩罚和用户兴趣变化的协同过滤推送算法。该算法首先对......
随着计算机技术和互联网技术的飞速发展,网上的信息量呈现指数级别的增长趋势。大量的信息为人们提供了丰富的资源,但同时也增加了......
提出了一种Web用户兴趣变化识别的算法,面向层次结构的信息类网站,可以达到客户自适应的目的.该算法由长、短期两个兴趣模型构成,......
随着众包系统的兴起,人们对众包系统的关注逐渐增多。基于众包系统中的任务推荐,研究者大多将用户对任务的行为数据转化为评分,但......
协同过滤算法是网上推荐系统最常用的算法,但是传统的协同过滤算法很难解决数据稀疏、冷启动、用户兴趣变化等问题。本文提出基于信......
由于传统推荐算法未考虑项目类型和时间对用户兴趣变化的影响。为此,提出一种基于时间权重和用户兴趣变化的协同过滤算法TACF(time......
一个好的推荐算法在如今的智能Web应用中变得十分重要。给出一种具有时间认知的推荐算法。传统的推荐算法通常不加选择地使用早期......
协同过滤算法一般根据用户的评价信息来推测用户的喜好,但受到数据稀疏问题的影响,许多时候无法得到较为理想的推荐结果;除此之外,......
随着时代的进步和科技的飞跃发展,互联网的出现和普及使人们的生活发生了巨大的改变,可以说互联网早已渗透到当今社会的各行各业中......
协同过滤是根据用户的行为记录对用户不喜欢的产品进行过滤的。由于用户兴趣会随着时间推移发生改变,使得用户兴趣特征在不同时间......
目前,由于网络技术的飞速发展,互联网中的数据也跟着大幅度增加。从而将人们从一个信息闭塞的时代带入到一个信息化的大数据时代。......
传统协同过滤算法中,随着用户和商品数量的日益增多,用户-项目评分矩阵越来越稀疏。针对这一问题,提出了一种基于用户兴趣变化和评......
互联网的出现和普及为人们带来了大量的信息。但随着网络中信息量的大幅增长,使得互联网用户在面对大量信息时,无法从中获得对自己真......
近年来,随着计算机与Internet的流行,电子商务的发展突飞猛进,人们在网上购物越来越方便,网上交易在很大程度上缓解了人们的购物需求,但......
信息技术和互联网的快速发展促进了信息资源的急剧增长,从而出现了严重的信息过载问题,致使用户会耗费大量时间从海量信息中找到自......
协同过滤算法一般根据用户的评价信息来推测用户的喜好,但受到数据稀疏问题的影响,许多时候无法得到较为理想的推荐结果。除此之外......