论文研究基于用户熵模型的LDA长尾推荐算法 .pdf

在基于会话的推荐中捕捉用户意向，李宗阳，吴步丹，近年来，基于会话的推荐方法被广泛应用于推荐任务，在该类任务中，循环神经网络(RNNs)与传统方法相比有明显的改进。以前的工作只��

为解决微博用户兴趣提取不准确的问题，提出一种基于用户扩展兴趣的微博推荐方法。该方法将用户个体兴趣与关联兴趣结合为用户扩展兴趣进行微博推荐。其中，用户个体兴趣从用户标签、发布微博及交互微博中提取；用户关

基于网络预测与用户偏好的服务推荐,宋望,张雷,随着近年来网络上的Web服务越来越多,服务推荐的难度逐渐增加。本文针对网络中服务随时间的变化以及用户的服务调用历史对提出了一

基于距离和基于密度的离群点检测算法受到维度和数据量伸缩性的挑战，而空间数据的自相关性和异质性决定了以属性相互独立和分类属性的基于信息理论的离群点检测算法也难以适应空间离群点检测，因此提出了基于全息熵的

基于多种推荐算法的线性融合方法,张文博,孟祥武,近些年推荐系统领域得到广泛的研究和迅速的发展,个性化推荐算法的推荐结果质量得到了大幅的提升。但是单一个性化推荐算法的结果

论文研究-基于泛函网络的组合推荐算法.pdf,  在研究组合算法的基础上，提出一种基于泛函网络实现前融合推荐算法. 探讨Vague集条件下推荐算法的前融合问题，给出了基于泛函网络构架实现前融合组合推荐

基于图衰减的社交网络推荐算法，赵威，徐鹏，本文面向当今时代非常流行的社交网络应用，提出了针对推荐系统面对数据的稀疏性而无法正常向用户进行推荐的问题没提出了一个有效

为了解决传统的基于用户的协同过滤算法中的数据稀疏性问题，提高推荐的准确率，对推荐算法进行了改进并将改进后的算法应用在美食推荐领域。利用均值中心化方法对实验数据进行处理，减少因个人评分习惯差异造成的推荐

针对传统推荐系统中推荐效率较低的问题，提出了一种与NystrÖm方法相结合的推荐系统。设计了一NystrÖm方法和非负矩阵分解（non-negative matrix factorization，NM

针对现有隐含因子模型存在的新用户冷启动问题，提出基于用户分类的隐含因子模型，将用户分类信息融入到隐含因子的矩阵分解当中。先在原评分矩阵和用户分类信息的基础上使用指示函数和数据归一化等方法构建一个分类评