作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
推荐系统是一个复杂而庞大的体系,随着推荐系统热度的增加,每一个环节的研究方法也越来越多,有基于用户搜索内容的推荐,有基于地理位置的推荐,基于用户画像的推荐,基于协同过滤推荐,多种推荐方式组合等,根据不用的数据内容以及获取方式,选择对应的推荐方式,以下简单去阐述用户画像的搭建,基于用户画像使用的推荐方法。
推荐文章
基于聚类分析的网络用户画像研究
数据挖掘
聚类分析
用户画像
基于用户喜好的个性推荐系统优化
个性化
推荐系统
回归分析
适应性学习系统中用户与资源画像研究
适应性学习
用户画像
资源画像
标签系统
基于用户关注度的个性化新闻推荐系统
个性化推荐
协作型过滤
用户关注度
推荐算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于用户画像的推荐系统简述
来源期刊 市场周刊·理论版 学科 经济
关键词 用户标签 用户画像 聚类技术 贝叶斯网络技术 协同过滤
年,卷(期) sczkllb_2017,(18) 所属期刊栏目
研究方向 页码范围 267-268
页数 2页 分类号 F
字数 语种
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
用户标签
用户画像
聚类技术
贝叶斯网络技术
协同过滤
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
市场周刊·理论版
其它
1008-4428
32-1514/F
南京市鼓楼区山西路 67 号世贸中心大厦
出版文献量(篇)
33781
总下载数(次)
141
论文1v1指导