排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
[目的/意义]信息过载一直是知识工作者在搜集、处理和创造知识的过程中所面临的主要困境。这种困境导致的结果之一是很难回忆起曾经使用过的文档的内容细节及具体位置,而推荐系统则能减少这样的困难。通过研究对比不同推荐系统在这一任务下的优缺点,可以帮助知识工作者更好地完成回忆任务。[方法/过程]基于相关理论,在同一场景(知识找回)模拟实现并测试了4种不同类型的推荐过程,包括基于内容的推荐CBR、基于协同过滤的推荐CFR、基于推理网络的推荐INR与融入了情境感知的推荐CAS,根据所确定的若干指标(精确性、情境相关性、预测性、多样性)对推荐效果进行比较。[结果/结论]结果显示,以上推荐系统在帮助用户回忆并找回文档过程中都有各自的优势,而基于情境感知的推荐系统在情境相关性与预测用户行为方面具有较好的效果。 相似文献
2.
[目的/意义]随着互联网行业的蓬勃发展,电商平台的用户与商品数量均呈现井喷增长。这一趋势在促进互联网经济发展的同时也为用户带来了"信息过载"的问题。电商平台如何从用户的历史行为日志中获取信息,并根据用户当前情境推荐商品,不仅是重要的理论与技术课题,同时也蕴藏着巨大的商业价值。[方法/过程]文章结合情境感知技术,提出了一种五层推荐系统框架,自底向上分为:感知层、过滤层、排序层、规则层和应用层。同时,利用淘宝APP的购物数据进行了模拟推荐实验,比较了各层次不同设计方式的推荐效果。[结果/结论]研究发现,融入了情境感知技术的推荐系统框架可以显著提高推荐的精确率,但是会削弱召回率。基于此,为电商平台提出了部分建议。 相似文献
3.
4.
1