AI科技大本营在线公开课《达观数据个性化推荐系统实践》 共40页.pptx

深度神经网络由于结构类似于生物神经网络，因此拥有高效、精准抽取信息深层隐含特征的能力和能够学习多层的抽象特征表示，且能够对跨域、多源、异质的内容信息进行学习等优势。提出了一种基于多用户-项目结合深度神经网络抽取特征、自学习等优势实现信息个性化推荐的模型，该模型通过对输入多源异构数据特征进行深度神经网络学习、抽取，再融合协同过滤中的广泛个性化产生候选集，然后通过二次模型学习产生排序集，实现精准、实时、个性化推荐。通过真实数据集对模型评估实验，实验结果表明，该模型能够很好地学习、抽取用户隐特征，并且能够一定程度上解决传统推荐系统稀疏性、新物品等问题，同时实现了更加精准、实时、个性化的推荐。

xml java系统源码

加权二部图的个性化推荐算法.doc

大数据-算法-面向个性化推荐系统的自适应算法的研究与实现.pdf

人工智能-机器学习-混合的个性化推荐方法在移动搜索中的研究和应用.pdf

以数据挖掘中的关联规则理论为基础,从应用的角度出发,设计了一套相关产品推荐系统ARecom ,实 现了电子购物中的个性化服务。针对直接决定整体算法效率的频繁大项集生成步骤,应用大量的数据,研究比较 了三种典型算法,并在此基础上,提出了适合电子商务相关推荐系统的完整的算法模型。

安全技术-网络信息-社交网络的个性化推荐.pdf

安全技术-网络信息-社交网络个性化推荐方法研究.pdf

给出了一种基于大数据挖掘的手机游戏平台个性化推荐机制，通过对游戏用户行为数据的获取、存储、清洗、挖掘，由改进的余弦相似度算法计算出游戏的相似度，向用户推荐其喜欢的游戏。该机制可以有效提升游戏推荐的准确性，增强用户黏性，为游戏平台创造更多价值。