Zobrazeno 1 - 10
of 10
pro vyhledávání: '"NAICHENG GUO"'
Publikováno v:
IEEE Access, Vol 8, Pp 81876-81886 (2020)
Using pre-trained topic information to assist in training neural networks can effectively support the completion of the rating prediction task. However, existing neural-topic methods consider only the use of topic information corresponding to current
Externí odkaz:
https://doaj.org/article/8a42263571d4486885029ae781e5dc05
Autor:
Xiaobo Guo, Shaoshuai Li, Naicheng Guo, Jiangxia Cao, Xiaolei Liu, Qiongxu Ma, Runsheng Gan, Yunan Zhao
Publikováno v:
ACM Transactions on Information Systems. 41:1-27
Data sparsity has been a long-standing issue for accurate and trustworthy recommendation systems (RS). To alleviate the problem, many researchers pay much attention to cross-domain recommendation (CDR), which aims at transferring rich knowledge from
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::22d6195a56ddefbfec6c0f71ecee9d72
https://doi.org/10.1145/3572835
https://doi.org/10.1145/3572835
Autor:
Naicheng Guo, Xiaolei Liu, Shaoshuai Li, Qiongxu Ma, Kaixin Gao, Bing Han, Lin Zheng, Sheng Guo, Xiaobo Guo
Publikováno v:
ACM Transactions on Information Systems. 41:1-26
Sequential recommendation (SR) learns users’ preferences by capturing the sequential patterns from users’ behaviors evolution. As discussed in many works, user–item interactions of SR generally present the intrinsic power-law distribution, whic
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::02a02a774311e63851cfc9f0ec86536a
https://doi.org/10.1145/3568395
https://doi.org/10.1145/3568395
Publikováno v:
IEEE Access, Vol 8, Pp 81876-81886 (2020)
Using pre-trained topic information to assist in training neural networks can effectively support the completion of the rating prediction task. However, existing neural-topic methods consider only the use of topic information corresponding to current
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::49f868d55cd25a64949a3405a9a4ea6d
https://ieeexplore.ieee.org/document/9079900/
https://ieeexplore.ieee.org/document/9079900/
Publikováno v:
SIGIR
The existing sequential recommendation methods focus on modeling the temporal relationships of user behaviors and are good at using additional item information to improve performance. However, these methods rarely consider the influences of users' se
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::c78089f85c8b7d31998f4f48bc6459a7
https://doi.org/10.1145/3397271.3401330
https://doi.org/10.1145/3397271.3401330
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
In Journal of Materials Processing Tech. 1992 30(2):159-166