Dec, 2023

体育推荐系统：概述与研究问题

PDF
TL;DR体育推荐系统已引起了越来越多的关注，因为它们潜在的促进健康生活、提高个人福祉和提升运动表现的能力。本文通过不同的工作实例，对体育推荐系统的应用和技术进行了概述，并分析了相关的最新技术并讨论了开放的研究问题。
sports recommender systemshealthy livingperformance boostingtraining practicesopen research issues
发现论文，激发创造
  • 推荐系统简介

    本文综述了个性化推荐及推荐系统的经典算法，评估方式，以及最近研究的方向：基于会话的推荐、推荐系统中的偏差问题以及实际应用的影响和价值。

    Feb, 2023

  • 食品推荐系统：重要贡献，挑战和未来研究方向

    本文总结了食品推荐系统的现状，探讨了数字资源、健康饮食、群组推荐和未来方向等方面的重要性和挑战，以期为研究者和实践者提供有用的资源。

    Nov, 2017

  • 推荐系统技术及电子商务领域综述

    本研究回顾了推荐系统在电子商务、电子旅游、电子资源、电子政务、电子学习和电子图书馆等领域的不同技术和发展，并通过分析最近的研究，提供了当前发展的详细概述，识别了推荐系统中的现有困难，为实践者和研究人员提供了必要的指导和见解。

    Aug, 2022

  • 可信推荐系统综述

    该研究论文概述了可信度推荐系统的六个最重要方面：安全性与鲁棒性、非歧视与公平性、可解释性、隐私性、环境福祉以及问责与审计，并讨论了未来实现可信度推荐系统的潜在研究方向。

    Sep, 2022

  • 多利益相关者推荐研究方向

    本文介绍了多利益相关方推荐的概念及其在推荐系统领域的设计及研究问题，并强调了公平、平衡、盈利能力和互惠性等不同指标对于评估推荐系统的重要性。

    May, 2019

  • 基于深度学习的推荐系统：综述与新视角

    本文综述了基于深度学习的推荐系统的最新研究进展，提出和总结了深度学习推荐模型的分类法和现有技术的综述，同时扩展了当前趋势并提供了对这一新兴领域的新见解。

    Jul, 2017

  • 推荐系统的近期发展：一份综述

    这篇技术综述全面总结了推荐系统领域的最新进展，提供了该领域现状的概述并强调了推荐系统发展的最新趋势，涵盖了个性化、群组、基于知识的推荐系统等主要分类，探讨了推荐系统中的鲁棒性、数据偏见和公平性问题，并总结了评估指标用于评估这些系统的性能，最后还深入分析了推荐系统的最新趋势和未来研究的新方向。

    Jun, 2023

  • 使用机器学习进行餐厅推荐的研究

    本文主要介绍了基于机器学习的推荐系统，分析了在推荐系统中机器学习所应用的技术和思想，让更多人了解大数据与机器学习的含义和对我们日常生活的深远影响。

    Aug, 2022

  • 基于机器学习模型的学术环境中食品推荐系统

    使用混合推荐系统结合协同过滤、基于内容和基于知识的模型，以及决策树、k - 近邻、AdaBoost 和 Bagging 等机器学习模型根据能量指标和学生的食品选择历史，将大学餐厅的食物推荐给学生，其中 AdaBoost 模型的准确率最高，为 73.70%。

    Jun, 2023

  • 互惠推荐系统：对最新文献、挑战和社交推荐机会的分析

    本文介绍了先进推荐系统技术的快照，重点关注了 Recommender Systems，Reciprocal Recommender System 等 RRS 算法，以及融合过程和社交推荐应用的挑战和机遇。

    Jul, 2020