您当前所在位置: 首页 > 首发论文
筛选条件

时间

领域

全部

计算机科学技术(25)

信息科学与系统科学(1)

管理学(1) 显示更多>>

中医学与中药学(0) 临床医学(0) 交通运输工程(0) 体育科学(0) 农学(0) 冶金工程技术(0) 力学(0) 动力与电气工程(0) 化学(0) 化学工程(0) 图书馆、情报与文献学(0) 土木建筑工程(0) 地球科学(0) 基础医学(0) 天文学(0) 安全科学技术(0) 工程与技术科学基础学科(0) 心理学(0) 教育学(0) 数学(0) 机械工程(0) 材料科学(0) 林学(0) 核科学技术(0) 水产学(0) 水利工程(0) 测绘科学技术(0) 物理学(0) 环境科学技术(0) 生物学(0) 电子、通信与自动控制技术(0) 畜牧科学、动物医学(0) 矿山工程技术(0) 纺织科学技术(0) 经济学(0) 能源科学技术(0) 航空航天科学技术(0) 药学(0) 预防医学与卫生学(0) 食品科学技术(0)

学术评议

实时热搜榜

人工智能23550

SiC14358

基因11933

冠心病9744

数值模拟9053

我的筛选 >
2003-2020 全部
为您找到包含“recommender system”的内容共27

LI Ye,ZHANG Hua

privacy preserving on recommender system for the first time. Employ Attribute-Based Encryption technique

2017-12-06

NSFC(Grant Nos. 61502044

Fundamental Research Funds for the Central Universities(No. 2015RC23

State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing 100876, China;State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing 100876, China,

#Computer Science and Technology#

0评论(0 分享(0)

柳天闻,孟祥武

2017-12-20

随着移动互联网的发展,基于位置的社交网络(LBSN,location based social network)逐渐融入到了日常生活中,为了给用户提供更加优质的位置服务,地点推荐应运而生。不同于传统的推荐场景,位置社交网络中,用户的行为往往受到社交,位置等上下文因素因素影响,面对海量的用户,位置数据和签到日志数据,本文提出一种改进的的地点推荐系统设计方案,可以通过离线的特征提取和用户群组聚类,联合位置,社交等因素为用户提供快速准确的地点推荐列表。

北京邮电大学智能通信软件与多媒体北京市重点实验室,北京 100876;北京邮电大学计算机学院,北京 100876,北京邮电大学智能通信软件与多媒体北京市重点实验室,北京 100876;北京邮电大学计算机学院,北京 100876

#计算机科学技术#

0评论(0 分享(0)

孙广东

2017-12-28

随着信息技术的发展,网络资源呈爆炸式增长,产生了信息过载的问题。个性化推荐技术是解决信息过载的有效手段,其中,协同过滤是推荐系统中最为广泛使用的技术。为了帮助人们更好地选择感兴趣的书籍,本文研究了基于物品的协同过滤算法在图书推荐中的应用,设计并实现了基于B/S架构的图书推荐系统。首先通过对协同过滤算法的研究,设计了系统的推荐引擎;并在需求分析的基础上,进行了推荐系统的架构设计、功能模块设计和数据库设计。实际运行结果表明,该系统能够根据用户的搜索结果、历史评分记录给出个性化的图书推荐,并给出一定的推荐解释。

北京邮电大学网络技术研究院,北京 100876

#计算机科学技术#

0评论(0 分享(0)

Mingming Wang,Honggang Zhang,Yang Yang,Siyuan Li

new hot service. This paper presents a recommender system based on email platform. Our method makes a

2014-11-03

Beijing University of Posts and Telecommunications, 100876,Beijing University of Posts and Telecommunications, 100876,Beijing University of Posts and Telecommunications, 100876,Beijing University of Posts and Telecommunications, 100876

#Computer Science and Technology#

0评论(0 分享(0)

刘伟成,李权

2019-04-08

针对电子商务中用户-项目评级矩阵稀疏所产生的推荐准度问题,提出一种基于本体和EM聚类的协同过滤(CF)推荐系统。首先使用期望最大化(EM)算法对用户-项目评级矩阵进行聚类,产生基于用户和基于项目的若干群集;然后基于领域本体计算项目之间的语义相似度;其次利用奇异值分解(SVD)查找每个项目和用户群集中最相似的项目和用户;最后融合项目的语义相似度与基于矩阵分解的用户、项目的相似性共同完成推荐。在MovieLens数据集上评估该方法,并将实验结果与传统方法进行比较,结果表明该方法有效地缓解了CF推荐的稀疏性和提高了推荐的准确性。

国家社会科学基金(14BTQ058

武汉科技大学恒大管理学院,武汉 430065,武汉科技大学恒大管理学院,武汉 430065

#计算机科学技术#

0评论(0 分享(2)

王夺,张鹏,肖井华

2016-04-07

信息超载是目前互联网用户面对的一个非常严重的问题,推荐系统的出现使这一问题得到了有效的解决,同时受到了众多学者和工程师的广泛关注。在推荐系统领域中,能够提高推荐算法的精确性与多样性的个性化推荐系统更是成为了大家研究的热点。本文基于同一个集团内的节点更具相似性这一思想,对推荐算法的推荐结果进行了优化,提出了一种基于网络集团化的改进个性化推荐算法。与已有的不同推荐算法在人工网络与实际网络上进行比较,其最高可以提高20%的精确度与7%的多样性,同时揭示了在网络中进行推荐时,根据节点的不同属性进行分类的重要性。

国家自然科学基金(61403037

(北京邮电大学大学理学院,北京 100876) ,, (北京邮电大学大学理学院,北京 100876)

#计算机科学技术#

2评论(0 分享(0)

杨杰,陈恩红

2008-12-18

近年来推荐系统已经被证明是一种非常有效的方法用以处理网络上的信息过载问题,这些推荐系统根据用户以往的访问记录为用户兴趣建模,并根据用户兴趣给用户提供推荐项。然而,当前在推荐系统方面的研究几乎都忽略了用户访问记录的时间因素,这些系统在为用户做推荐的时候并不知道用户的兴趣是否发生了改变,或者说并不知道在推荐那一刻并不知道用户真正需要什么。本文对用户访问记录进行深入分析,提出了四种典型的用户兴趣模式,并提出了一种及于子图稠密度和连续度的方法来检测这四种模式。实验结果显示该方法可以有效检测用户兴趣模式。

教育部博士点基金(2007105

中国科学技术大学计算机系,中国科学技术大学计算机系

#计算机科学技术#

0评论(0 分享(0)

Lin Wanying,Wang Yulong

Manual feature engineering has been the key to the success of many predictive tasks of web applications. However, with the exponential increase in the variety and the volume of features, manual feature engineering comes with high cost. Factorization Machines are able to automatically learn the second-order feature interactions. However, FM models capture the non-linear structure of real-world data in an insufficient way. And recent work has shown that DNNs are able to learn higher-order interactions based on existing ones. In this paper, we propose a Deep Dense Crossing Network (DDCN) for recommender system. DDCN keeps the benefits of a DNN model and propose a novel dense crossing structure which connects each layer to every other layer in a feed-forward fashion. DDCN has several advantages: strengthen feature propagation, encourage feature reuse and implicitly learn feature crossing in an efficiently way. We evaluate the model on two datasets of hotel recommendation and clothes recommendation and our experimental results have demonstrated its superiority over the state-of-art algorithms on the recommendation dataset, in terms of model accuracy.

2018-12-21

State Key Laboratory of Networking and Switching, Beijing University of Posts and Telecommunications, Beijing 100876;State Key Laboratory of Networking and Switching, Beijing University of Posts and Telecommunications, Beijing 100876,State Key Laboratory of Networking and Switching, Beijing University of Posts and Telecommunications, Beijing 100876

#Computer Science and Technology#

0评论(0 分享(0)

张朝辉,孟祥武

2017-12-15

随着互联网技术的发展,基于位置的社交网络(location-based social networks, LBSNs)中出现了信息过载问题。因此,利用LBSNs中的信息为用户推荐可能访问的地点,已经成为研究的热点。本文对地点推荐系统进行设计,主要包括推荐算法和系统算法模块的设计,同时考虑了推荐效果和可扩展性。

School of the Computer Science, Beijing University of Posts and Telecommunication, Beijing 100876; Beijing Key Laboratory of Intelligent Telecommunications Software and Multimedia (Beijing University of Posts and Telecommunication), Beijing 100876,School of the Computer Science, Beijing University of Posts and Telecommunication, Beijing 100876; Beijing Key Laboratory of Intelligent Telecommunications Software and Multimedia (Beijing University of Posts and Telecommunication), Beijing 100876

#计算机科学技术#

0评论(0 分享(0)

LI Xinsheng,LI Jian

The combination of the recommender system and dialogue system which called the conversational

2020-03-03

Beijing University of Posts and Telecommunications, Beijing, 100876,Beijing University of Posts and Telecommunications, Beijing, 100876

#Computer Science and Technology#

0评论(0 分享(0)