Andere Kunden interessierten sich auch für
![Progettazione e implementazione di un sistema di raccomandazione]( "Progettazione e implementazione di un sistema di raccomandazione")
Progettazione e implementazione di un sistema di raccomandazione26,99 €![Ottimizzazione del filtraggio collaborativo basato sull'utente]( "Ottimizzazione del filtraggio collaborativo basato sull'utente")
Ottimizzazione del filtraggio collaborativo basato sull'utente39,90 €![Tecniche di Ridondanza per sistemi basati su Microcontrollore]( "Tecniche di Ridondanza per sistemi basati su Microcontrollore")
Tecniche di Ridondanza per sistemi basati su Microcontrollore32,99 €![Migliorare la privacy nella ricerca di parole chiave basata sul cloud]( "Migliorare la privacy nella ricerca di parole chiave basata sul cloud")
Migliorare la privacy nella ricerca di parole chiave basata sul cloud29,99 €![Modellazione computazionale di sistemi complessi]( "Modellazione computazionale di sistemi complessi")
Modellazione computazionale di sistemi complessi23,99 €![COSTRUZIONE DI UN MODELLO BASATO SUL TRAPANO CASUALE]( "COSTRUZIONE DI UN MODELLO BASATO SUL TRAPANO CASUALE")
COSTRUZIONE DI UN MODELLO BASATO SUL TRAPANO CASUALE27,99 €![SISTEMI DI AUTOMAZIONE PER UFFICIO]( "SISTEMI DI AUTOMAZIONE PER UFFICIO")
SISTEMI DI AUTOMAZIONE PER UFFICIO29,99 €
Il filtraggio collaborativo (CF) è un popolare approccio di raccomandazione che è stato ampiamente studiato negli ultimi due decenni, dando vita a una serie di algoritmi diversi e a un'ampia raccolta di strumenti per valutarne le prestazioni. Questa ricerca propone un nuovo approccio di raccomandazione per affrontare i problemi delle pecore grigie e della scarsità di dati, con l'obiettivo di migliorare l'accuratezza della previsione deducendo nuovi utenti dagli utenti esistenti nei set di dati. Questa trasformazione crea utenti con preferenze opposte a quelle degli utenti reali, aumentando il numero di utenti e risolvendo i due problemi citati. Le prestazioni di questo approccio sono state valutate utilizzando due set di dati, MovieLens e FilmTrust. Nel complesso, questo libro contribuisce allo sviluppo di migliori sistemi di raccomandazione in grado di superare le sfide del sovraccarico di dati e di migliorare l'esperienza dell'utente.