论文部分内容阅读
《分子诊断与治疗杂志》2018年第10卷主题词索引
【出 处】
：
分子诊断与治疗杂志
【发表日期】
：
2018年11期
其他文献
随着互联网的逐渐普及,如今在线阅读新闻已成为我们日常生活重要的一部分。然而,在互联网海量信息面前,人们却往往变得无所适从。作为一种有效应对“信息过载”问题的手段,推荐系统在工业界和学术界均得到了广泛的研究。本文针对新闻领域的推荐方法进行了研究。主要研究工作有:(1)分析现有流行度预测算法,并通过挖掘新闻的特征,提出一种改进的新闻流行度预测方法,使用多种聚类算法将新闻进行聚类后,基于相同类别新闻的时
学位
随着信息技术的快速发展,海量数据映入人们的眼帘。推荐技术的出现帮助人们在海量物品中快速匹配偏好物品。巨大的信息量和日益增长的用户需求促进了推荐算法的发展。推荐系统受到专家学者的关注,并在工业中得到广泛应用。但是,传统的推荐系统过分关注推荐的准确率,却忽视了推荐系统的其它指标,但有时候更需要被关注的是用户对系统的整体满意度。一个准确率高的推荐系统未必是一个好的推荐系统,时常无法给用户提供种类更为丰富
学位