Matrix Factorization Techniques for Recommender Systems

计算机科学 推荐系统 矩阵分解 产品(数学) 因式分解 基质(化学分析) 理论计算机科学 非负矩阵分解 人工智能 情报检索 算法 数学 几何学 复合材料 量子力学 材料科学 物理 特征向量
作者
Yehuda Koren,Robert Bell,Chris Volinsky
出处
期刊:IEEE Computer [IEEE Computer Society]
卷期号:42 (8): 30-37 被引量:11671
标识
DOI:10.1109/mc.2009.263
摘要

As the Netflix Prize competition has demonstrated, matrix factorization models are superior to classic nearest neighbor techniques for producing product recommendations, allowing the incorporation of additional information such as implicit feedback, temporal effects, and confidence levels.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
1秒前
怜熙发布了新的文献求助10
2秒前
111完成签到,获得积分10
3秒前
cdercder应助猪猪hero采纳,获得10
3秒前
3秒前
玉羽梦发布了新的文献求助20
3秒前
完美世界应助PengHu采纳,获得10
3秒前
3秒前
Jing发布了新的文献求助10
4秒前
曾经冰岚关注了科研通微信公众号
4秒前
4秒前
袁璐完成签到,获得积分10
4秒前
WUWUWU完成签到 ,获得积分10
5秒前
hosanna发布了新的文献求助10
5秒前
赘婿应助ljx采纳,获得10
5秒前
5秒前
wangflourish完成签到,获得积分10
5秒前
6秒前
大喜发布了新的文献求助10
6秒前
7秒前
英姑应助要减肥亦云采纳,获得10
8秒前
微笑翠桃发布了新的文献求助10
8秒前
小唐完成签到,获得积分10
8秒前
CodeCraft应助脂包肉采纳,获得10
9秒前
orixero应助wjl采纳,获得10
9秒前
walle发布了新的文献求助10
10秒前
小马甲应助开心开山采纳,获得10
10秒前
狂野紫丝发布了新的文献求助10
10秒前
FashionBoy应助oyeeee采纳,获得10
10秒前
十九完成签到,获得积分10
11秒前
wlq完成签到,获得积分10
12秒前
Roy007完成签到,获得积分10
12秒前
12秒前
lili应助杨大帅气采纳,获得10
13秒前
14秒前
草上飞完成签到 ,获得积分10
14秒前
will_fay发布了新的文献求助10
15秒前
15秒前
大喜完成签到,获得积分10
16秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Principles of town planning: translating concepts to applications 1000
Organizational Behavior 510
Management and the Arts 510
Matrix Methods in Data Mining and Pattern Recognition Second Edition 510
The role of consumer psychology in the marketing strategies of pop mart in Thailand 500
Photothermal Science and Techniques 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 内科学 物理 复合材料 催化作用 细胞生物学 无机化学 光电子学 物理化学 电极 基因
热门帖子
关注 科研通微信公众号,转发送积分 7722196
求助须知:如何正确求助?哪些是违规求助? 9275260
关于积分的说明 20110572
捐赠科研通 7298726
什么是DOI,文献DOI怎么找? 3300834
关于科研通互助平台的介绍 2454409
邀请新用户注册赠送积分活动 2308218