本文总结了多个关于MovieLens的数据集和推荐系统研究，涉及协同过滤、偏好模型、混合推荐等多种算法技术，探讨了评分、用户偏好、非内容属性等特征在推荐系统中的应用。
--------------------------------groulplens团队-------------------------------------------------
论文题目：【2012 ACM】How Many Bits Per Rating?
研究方向：协同过滤、偏好模型
算法技术：noise、preferece bits framework
特征属性：评分
相关数据集：MovieLens+Jester综合成一个数据集
论文题目：2013 Exploiting Non-content Preference Attributes through Hybrid Recommendation Method
研究方向：非内容偏好、混合推荐
算法技术：CF、hybrid
特征属性：popularity, recency, and similarity
相关数据集：nexflix、lastfm、million
-------------------------------------2004年之后-------------------------------------------
论文题目：[2014 JMM LATIFA BABA-HAMED] IMPROVEMENT QUALITY OF THE RECOMMENDATION SYSTEM USING THE INTRINSIC CONTEXT
研究方向：预过滤
算法技术：内在上下文建模、混合
特征属性：导演、相似导演、流派
相关数据集：
-------
最低0.47元/天 解锁文章
扫一扫
258
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
