Agricultural Library and Information ›› 2019, Vol. 31 ›› Issue (1): 69-73.doi: 10.13998/j.cnki.issn1002-1248.2019.01.008
• Applied practice • Previous Articles
ZHENG Minjiao, JIA Bei, LING Yanxiang
CLC Number:
[1] 曹一鸣. 基于协同过滤的个性化新闻推荐系统的研究与实现[D]. 北京:北京邮电大学, 2013. [2] Yu K, Xu X, Ester M, et al.Feature Weighting and Instance Selection for Collaborative Filtering: An Information-Theoretic Approach[J]. Knowledge and Information Systems, 2003, 5(2):201-224. [3] 罔东东,李红强. 一种改进的基于内容的个性化推荐模型机[J].软件导刊,2016, 15(4):11-13 [4] 王国霞,刘贺平.个性化推荐系统综述[J].计算机工程与应用,2012,48(7):66-76. [5] 杨宇. 个性化推荐的关联规则算法研究[D].南京:东南大学,2016. [6] 何佳知. 基于内容和协同过滤的混合算法在推荐系统中的应用研巧[D].上海:东华大学,2016. [7] 代金龙. 协同过滤算法中数据稀疏性问题研究[D].重庆:重庆大学,2013. [8] 刘滨强. 移动环境下的个性化推荐用户兴趣建模研究[D].北京:北京邮电大学, 2009. [9] Chen T, Guestrin C.XGBoost:A Scalable Tree Boosting System[C]. ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. ACM, 2016:785-794. [10] 陈雅茜,刘韬,方诗虹.推荐系统及其相关技术研究[J].西南民族大学学报:自然科学版,2014,40(3):439-442. [11] 张昊, 纪宏超, 张红宇. XGBoost算法在电子商务商品推荐中的应用[J]. 物联网技术, 2017, 7(02):108-110. |
|