由于矩阵分解良好的可扩展性和较高的预测精度,在推荐算法的应用中有出色的表现。在基础的矩阵分解模型上先后引入全局偏置和时间偏置,以提高预测准确度和推荐质量。以个性化推荐系统为对象,在Mo-vieLen
针对社会标签系统中不同粒度的特征在表示文档时具有不同的描述能力这一特性,提出从词粒度和话题粒度来推荐社会标签以提高标签推荐的准确度。提出使用统计语言模型(词粒度)和隐含话题模型(话题粒度)分别建模文档
融合用户背景信息的图模型推荐算法,谭裕韦,王子琪,信息技术的飞速发展与数字资源数量的爆炸式增长,使个性化推荐系统成为web2.0技术中的研究热点。本文在传统的“用户-资源-评分��
关于推荐算法的一种最新研究,同时比较各种算法,提供应用参考
基于深度学习的视频行为识别研究,林闯,谢东亮,本文从视频行为识别模型实用性和识别性能综合考虑,研究设计了一种端到端的深度行为识别模型,能够实现在原始视频上进行为识别,
基于进程行为的异常检测技术具有较好的检测效果 ,有望成为异常检测实用化的突破口。从看待正常的角度以及建模方法两方面对该领域研究进展进行总结 ,对主要方法的误差特性和检测复杂性进行分析 ,对后续研究工作
基于行为序列的软件用户异常获利模式发现,徐慧,詹佳涵,计算机软件的发展给用户的工作生活带来了极大的便利,但随着软件规模的扩大,在软件开发过程中由于需求设计过程或者软件开发过程
基于应用层协议的网络用户行为分析,刘微,刘鹏,本文通过对某省的省级骨干网的网络流量以及其它相关数据进行收集整理并结合数据采集软件(即TMA系统)设计等影响因素,采用统计、
云环境下基于用户行为分析的保护机制,聂婷婷,郭玉翠,为降低云服务提供商遭受分布式拒绝服务攻击的风险,并进一步提高单位资源收益,提出云环境下基于用户行为分析的保护机制。该机制
针对现有的边缘缓存策略无法有效预测短时热内容集和冷内容集流行度时变规律,而基于探索的多臂算法缺乏有效机制解决探索过程的过量探索问题,提出了基于用户中心访问行为的多臂缓存方法(MACB)。MACB利用用