Serwis Infona wykorzystuje pliki cookies (ciasteczka). Są to wartości tekstowe, zapamiętywane przez przeglądarkę na urządzeniu użytkownika. Nasz serwis ma dostęp do tych wartości oraz wykorzystuje je do zapamiętania danych dotyczących użytkownika, takich jak np. ustawienia (typu widok ekranu, wybór języka interfejsu), zapamiętanie zalogowania. Korzystanie z serwisu Infona oznacza zgodę na zapis informacji i ich wykorzystanie dla celów korzytania z serwisu. Więcej informacji można znaleźć w Polityce prywatności oraz Regulaminie serwisu. Zamknięcie tego okienka potwierdza zapoznanie się z informacją o plikach cookies, akceptację polityki prywatności i regulaminu oraz sposobu wykorzystywania plików cookies w serwisie. Możesz zmienić ustawienia obsługi cookies w swojej przeglądarce.
Collaborative filtering (CF) is one of the most successful technologies in recommender systems, and widely used in many personalized recommender applications, such as digital library, e-commerce, news sites, and so on. However, most collaborative filtering algorithms suffer from data sparsity problem which leads to inaccuracy of recommendation. This paper is with an eye to missing data imputation...
Collaborative filtering (CF) is one of the most successful technologies in recommender systems, and widely used in many personalized recommender areas, such as e-commerce, digital library and so on. However, most collaborative filtering algorithms suffer from data sparsity which leads to inaccuracy of recommendation. In this paper, we focus on nearest-neighbor CF algorithms and propose a new collaborative...
Collaborative filtering is one of the most successful technologies for building recommender systems, and is extensively used in many personalized systems. However, existing collaborative filtering algorithms have been suffering from data sparsity and scalability problems which lead to inaccuracy of recommendation. In this paper, we focus the collaborative filtering problems on two crucial steps: (1)...
Collaborative filtering is one of the most successful and widely used methods for automated item recommendation. The most critical component of recommender algorithm is the mechanism of finding similarities among users using item ratings data and so that items can be recommended based on the similarities. The calculation of similarities has relied on traditional vector similarity measures such as...
Podaj zakres dat dla filtrowania wyświetlonych wyników. Możesz podać datę początkową, końcową lub obie daty. Daty możesz wpisać ręcznie lub wybrać za pomocą kalendarza.