因子分解机相关论文
在银行信用卡行业从“增量时代”转入“存量时代”之际,客户群体的多样化和个性化需求与银行同质化、标准化的粗放式营销方式之间......
现有结合特征提取与预测模型的方法不能准确把握金融时间序列的混沌性与交互性，导致预测精度不高。针对此问题，提出一种基于二次分解......
本文在神经网络的推荐模型基础上引入自注意力机制，提出一种改进的基于自注意力机制TransNet推荐模型SATransNet。SATransNet模型使......
NFT数字藏品基于区块链技术，利用其不可篡改、可追溯和去中心化的特点，有效解决了数字资产的确权和流通问题。受限于NFT数字藏品的异......
在信息化时代,各行各业面临的繁杂数据信息使得人们获取有效信息的要求越发迫切。推荐系统作为一套有效的信息过滤机制,能够满足人......
互联网、云计算、人工智能经过几十年来惊人的发展,已经从方方面面覆盖到了我们的日常生活之中。而其中具有极大商业潜能的智能推......
随着在线电影数目不断增加,人们开始通过信息过滤以获取有效信息,因此个性化的电影推荐系统成为研究的热点。本课题研究电影推荐,......
随着互联网经济的发展,线上服务会产生巨量的业务数据。在传统单机模式下,对这些数据的储存、传输和使用十分困难,其主要难点在于......
随着信息技术和互联网行业的发展,各种各样的网络应用积累了海量的数据信息,这些海量的数据信息为用户提供了丰富的信息内容,同时......
车险是非寿险的重要组成部分,车险的盈利情况在保险公司起着举重若轻的作用,因此,建立准确的车险索赔预测模型是一项重要的任务。......
随着互联网技术的快速发展,在线广告系统已成为各个互联网公司的重要收入来源。广告曝光预估是在线广告系统比较重要的一个环节,其......
随着多媒体技术及互联网技术的发展和普及,线上数字化娱乐已经迅速融入了人们的生活中,技术深深地改变了数字娱乐产品的生产方式与......
随着时代的发展,在互联网上观看电影等影视资源已成为人民群众重要的精神娱乐来源。电影推荐系统不仅能给用户带来良好的观看体验,......
电子商务的蓬勃发展为用户提供便利的同时也带来了信息过载的问题。推荐系统能够为用户筛选出少量其真正感兴趣的物品,缓解信息过......
点击率预测一直是在线广告和产品推荐领域中非常受欢迎的问题,点击率的小幅增长可以带来可观的利润回报。近年来,由于机器学习和人......
随着互联网技术的飞速发展,大量的计算机软件已经倾向于部署在云环境下,面向服务的体系结构（Service-Oriented Architecture,SOA）、......
传统推荐算法能有效缓解信息量剧增引起的信息过载问题,但是仍会出现数据稀疏和冷启动问题;此外,传统推荐算法使用静态推荐,挖掘用......
随着5G互联网时代的到来和旅游门户网站的涌现,旅游业对国民经济和社会就业的贡献度不断增加,旅游相关数据呈指数趋势增长,致使旅......
点击率预测作为推荐系统和在线广告的关键环节,在学术界和工业界均受到了极大的关注。论文首先对几种典型的点击率预测模型进行研......
社会化推荐系统是为了缓解传统推荐系统的数据稀疏性与冷启动问题所提出的推荐方法。随着社交平台的流行,用户的社会化信息蕴藏着......
随着移动互联网时代的到来,人们接触的信息内容无限扩大,渠道无限便利。短视频作为新的媒体形式呈现在用户面前,并且迅速拥有巨大......
随着信息技术的不断发展,在网络上出现了越来越多的数据,“信息过载”的问题随之而来,如何从海量数据中获取用户感兴趣的信息便成......
众所周知,越来越多的国内外互联网公司的主要收入来源都是依靠广告,比如国外的知名互联网公司Facebook、谷歌和雅虎等,国内的互联......
随着互联网的发展,各种终端的普及,尤其是移动设备,网络中的数据不再是线性的增加,而是以指数的趋势在猛增。每天各种各样不同来源......
因子分解机(Factorization Machine)是近几年被提出的,主要用于解决大规模稀疏数据中特征组合问题的算法,它是一种结合矩阵分解和......
随着经济的快速发展,企业之间的竞争越发激烈,在业务多元化、市场饱和化以及经济全球化的背景下,吸引新客户的成本愈发高昂,防止客......
近年来,推荐系统得到了极快速的发展,以多人推荐场景为出发点,群组推荐系统应运而生。区别于其它单人推荐系统,除了向单个用户进行......
随着信息技术的发展,各大电子商务、社交平台陆续出现,产生大量的数据信息。然而在海量的数据面前,人们对于有效信息的获取却越来......
分类是机器学习中一个重要的任务,分类算法通过函数的判断给出输入数据的类别,根据数据的预测类别不同,分类问题可以分为多分类和......
预估广告点击率对于规划广告的投放、增加广告平台的收益、提升用户体验等都具有重要意义。如何从用户、商品、交互行为等多视图数......
大数据、云计算、人工智能等新技术的迅速发展,使得互联网应用层出不穷,导致网络数据呈现指数级的增长,大规模数据为各领域发展带......
随着企业信息化的普及，在知识密集型企业的知识管理系统中，积累了大量的知识资源，但在员工执行业务时，往往面对大量的知识资源却无从下......
广告点击率是互联网广告投放的重要依据，有效地预测广告的点击率，对于提高广告投放的效率有着至关重要的作用。在训练点击率预测模型......
点击率预测用于计算一条广告被用户点击的概率,是广告推荐技术最重要的环节之一.论文研究了点击率预测领域的发展历程以及趋势,基......
与随着网络技术的飞速发展,主动防御网络入侵比以往更加重要.误报率高和检测率低的主要原因之一是不能很好的对数据集间的特征进行......
大数据环境下,从海量学习资源中为学习者提供个性化的资源推荐服务可提高学习效率。考虑到不同区域的人具有不同的文化背景,人们对......
传统的协同过滤推荐算法普遍存在数据稀疏问题,且仅利用单一综合评分来计算用户相似度,无法找到在多个指标上偏好相似的用户,因而......
利用因子分解机(Factorization Machines,FM)模型,提出了一种在群体参与平台上对开源软件的推荐方法。通过抽取开源软件的文字、代......
点击率预测模型是主流推荐系统中十分重要的部分.根据点击率预测的打分来调整商品的展示策略,对提高业务的转化率、改进用户体验等......
传统推荐算法大多都仅考虑用户-商品评级信息来进行推荐,这种忽略了用户属性和商品属性信息的推荐模型准确率不高。因子分解机可在......
由于受多种外界因素的影响,春节前后月度售电量的预测一直存在较大的误差。针对这一问题,提出了一种基于X12季节分解方法、ARIMA模......
随着互联网、计算机等技术的深入发展,互联网为用户带来了各类网络服务用于增进用户交流。其中,问答社区为用户提供了提问和回答的......
随着人工智能、移动互联网等技术的迅速发展,信息化的革新给人们生活带来极大便利的同时也经常使用户不知所措。近年来,推荐系统已......
在今天这个互联网时代,信息的增长速度是十分惊人的,推荐系统在我们的生活中占有越来越重要的位置,近年来得到了广泛的研究。作为......
互联网时代中,广告作为互联网公司盈利的一种十分重要的手段或方法,点击率预估作为广告等业务的核心研究问题,在互联网领域中占有......
