Feb, 2024

关于推荐系统中大数据的经验和实验观点：综合调查

PDF
TL;DR本研究探讨大数据推荐系统中的算法，并提出了一种基于三级层次结构的分类方法，通过实证和实验评估，对各种技术进行了排名。同时，研究还展示了大数据技术在推荐系统领域的未来前景和进一步研究的机会。
big data algorithmsrecommendation systemstaxonomyclassificationempirical evaluation
发现论文，激发创造
  • 文本分类：回顾、实证和实验评估

    通过使用方法论分类将算法进行细分并实施实证评估和实验比较，我们的研究是第一篇利用此方法论分类对文本分类算法进行分类的综述论文。

    Jan, 2024

  • 犯罪预测的数据挖掘技术的实证与实验洞察：综述

    对犯罪预测方法学进行了全面分析，包括统计方法、机器学习算法和深度学习技术，提出了方法学分类体系，并进行了实证评估和实验比较，以便全面了解犯罪预测算法，并展望了未来犯罪预测技术的发展和进一步研究的机会。

    Feb, 2024

  • 协同过滤预测算法的实证分析

    该文章描述了几种算法来实现协同过滤或推荐系统，并使用不同的评估方法比较了它们的预测准确性。结果表明，在大多数情况下，每个节点具有决策树的贝叶斯网络和相关性方法优于贝叶斯聚类和向量相似度方法。

    Jan, 2013

  • 带有辅助信息的推荐研究综述及研究方向

    本文综述了基于用户或物品侧面信息的推荐系统研究，并从方法论和侧面信息表示两个角度，概括了基于记忆、潜在因子、表示学习和深度学习等不同方法的最新推荐算法。同时阐述了结构化数据和非结构化数据的侧面信息表示，并探讨了应用推荐系统面临的挑战和未来发展方向。

    Sep, 2019

  • 推动基线推荐系统的极限：结合意见挖掘和信息检索技术的综述

    本文综述了混合推荐系统的新模型与架构，并识别了每种模型的优缺点及其具体应用场景。

    May, 2022

  • 推荐系统评估技术综述

    本文详细介绍了推荐系统的评估方法，包括内容推荐和协同过滤机制的相似度指标，候选生成度量，预测指标，排名指标以及与经济目标相关的商业指标。同时强调了这些指标的上下文应用和相互依赖，提出了一种选择和解释这些指标的框架，以促进推荐系统的改进和商业目标的实现。

    Dec, 2023

  • 基于知识图谱的推荐系统综述

    本文系统调查了基于知识图谱的推荐系统，从算法和数据集两个角度总结了近期发表的研究，并提出了该领域的几个潜在研究方向。

    Feb, 2020

  • 大数据分类技术综述

    本文研究了不同的有监督分类技术，探讨了其优缺点。

    Mar, 2015

  • 深度学习聚类：分类与新方法

    本文提出了基于深度神经网络的系统聚类方法及分类法，并通过案例研究证明该分类法可用于创造新的聚类方法以克服其个别限制，而实验结果表明该方法能够达到甚至超过现有最高的聚类质量。

    Jan, 2018

  • 可解释推荐评估的综合调查：从 “为什么” 角度衡量推荐系统

    本文综述了可解释推荐的评估策略，提出了按照评估方法和角度进行分类的不同分类方法，并分析了现有评估方法的（不）优点并提供了选取它们的一系列指南，并根据来自 IJCAI，AAAI，TheWebConf，Recsys，UMAP 和 IUI 等顶尖会议的 100 多篇论文提出了其完整的总结，最终旨在提供关于可解释推荐的全面而清晰的评估综述。

    Feb, 2022