摘要
R.He、C.Lin、J.Wang和J.McAuley。 Sherlock:视觉软件一级协同过滤的稀疏层次嵌入。在IJCAI中,第3740-3746页,2016年。 谷歌学者 数字图书馆 R.He和J.McAuley。 起起落落:通过一级协同过滤模拟时尚趋势的视觉演变。WWW,第507-517页,2016年。 谷歌学者 数字图书馆 R.He和J.McAuley。 Vbpr:基于隐式反馈的可视化贝叶斯个性化排名。 AAAI,第144-150页,2016年。 谷歌学者 Y.Hu、X.Yi和L.S.Davis。 协作时尚推荐:功能张量因子分解方法。 在MM中,第129-1382015页。 谷歌学者 数字图书馆 Y.Jia、E.Shelhamer、J.Donahue、S.Karayev、J.Long、R.Girshick、S.Guadarrama和T.Darrell。 Caffe:快速特征嵌入的卷积架构。 2014年,MM,第675-678页。 谷歌学者 数字图书馆 A.Krizhevsky、I.Sutskever和G.E.Hinton。 基于深度卷积神经网络的Imagenet分类。 在NIPS中,第1097-1105页,2012年。 谷歌学者 数字图书馆 J.McAuley、C.Targett、Q.Shi和A.van den Hengel。 基于图像的风格和替代品建议。 在SIGIR中,第43-52页,2015年。 谷歌学者 数字图书馆 S.Rendle、C.Freudenthaler、Z.Gantner和L.Schmidt-Thieme。 Bpr:来自隐含反馈的贝叶斯个性化排名。 在UAI中,第452-461页,2009年。 谷歌学者 数字图书馆
建议
个性化和聚合N大推荐列表对用户偏好评分的影响 此前的研究表明,个性化产品推荐对用户对商品的偏好判断具有强大的影响。 具体而言,多项研究表明,将系统预测偏好评级作为项目建议进行显示,会产生偏见。。。