Alibaba个性化推荐数据产品与应用.pdf

针对传统分析方法受噪声和人为因素影响而造成分析结果较差的问题,我们提出了一种基于大数据的社交网络用户兴趣个性化推荐模型。在矢量空间模型的基础上,分析了用户兴趣推荐模型结构及其与周围模型的交互关系,划分

文中从用户行为及时间效应两方面出发,研究出了基于用户行为数据的个性化推荐算法。首先,研究了基于用户行为数据时间效应的推荐算法,分析根据线性时间加权推荐算法中的问题。其次,由于用户兴趣并不只是单纯的根据

据调查,当今社会中,有不少人存在“选择吃什么”的困难症,为解决这一问题,文章设计了一种菜谱个性化推荐系 统。该系统分为客户端和服务端,服务端进行系统的推荐计算,该推荐计算应用了基于内容的推荐算法,应用

伴随着蓬勃发展的视频业务及内容,海量的视频信息常常导致用户选择困难,视频推荐技术随之诞生。传统的协同过滤算法存有推荐精度不高以及系统自身冷启动等问题。文章中设计并开发出一种基于Web挖掘的个性化视频推

论文研究-面向个性化推荐的强关联规则挖掘.pdf, 提出了适用于个性化推荐的强关联规则的概念,并给出一种基于矩阵的强关联规则挖掘算法.强关联规则集合能够以较少数量的规则表示全部有效关联信息,便于管理和

基于资源分配模型的个性化推荐算法，刘杰，范春晓，本文基于用户-项目二分网络以及资源分配模型提出了一种二分网络中项目节点间的相似度度量（即RA相似度度量），并将该相似度度量结

基于项目分类的个性化推荐算法研究，张明坤，张洪刚，为解决个性化推荐的协同过滤算法中出现的稀疏性问题和可扩展性问题，提高推荐质量，在传统协同过滤算法的基础上，引入改进的项目

基于谱聚类的个性化推荐算法，刘嘉雄，刘晋，针对传统协同过滤依赖用户项目评分矩阵，无法摆脱稀疏性、新用户和新项目的冷启动问题。同时，忽略用户特征、项目属性等客观内容

提出了一种新颖的个性化网页推荐模型。它融合了信息检索、信息过滤和数据挖掘中的相关技术。运用两种不同的特征向量来表示用户兴趣，并且通过聚类生成群体兴趣扩展了个体兴趣。同时阐述了用户兴趣文件建立、维护和个

电子商务的深度发展要求信息技术必须与商务原理结合。现有的个性化推荐系统大多强调推荐内容的精准性，而忽视了推荐结果的利润性和推荐列表的多样性。从消费者与企业的决策过程出发，将消费者购物决策过程简化为意识