[1] GOLDBERG D, NICHOLS D, OKI B M, et al.Using collaborative filtering to weave an information tapestry[J]. Communications of the ACM, 1992,35(12):61-70.
[2] RESNICK P, IACOVOU N, SUCHAK M, et al. GroupLens: An open architecture for collaborative filtering of netnews[C]// ACM Conference on Computer Supported Cooperative Work. 1994:175-186.
[3] LINDEN G,SMITH B, YORK J. Amazon.com recommendations: Item-to-item collaborative filtering[J]. IEEE Internet Computing, 2003,7(1):76-80.
[4] 王建洋. 基于深度学习的电影推荐系统研究与实现[D]. 成都:西南交通大学, 2018.
[5] PAZZANI M J, BILLSUS D. Content-based recommendation systems[M]// The Adaptive Web. Springer Berlin Heidelberg, 2007:325-341.
[6] SARWAR B, KARYPIS G, KONSTAN J, et al. Item-based collaborative filtering recommendation algorithms[C]// Proceedings of International Conference on World Wide Web. 2001:285-295.
[7] 王一鸣. 基于知识图谱的推荐技术研究及应用[D]. 成都:电子科技大学, 2018.
[8] 李容,李明奇,郭文强. 基于改进相似度的协同过滤算法研究[J]. 计算机科学, 2016,43(12):206-208,240.
[9] 徐盼,程保杰,吴倩,等. 基于朴素贝叶斯方法的个性化旅游路线推荐系统[J]. 软件导刊, 2015,14(12):152-154.
[10]李南星,盛益强,倪宏. 用于个性化推荐的条件卷积隐因子模型[J/OL]. 计算机工程. [2019-06-20]. https://doi.org/10.19678/j.issn.1000-3428.0054209.
[11]程鹏,柳林,刘晓,等. 基于多维特征聚类和用户评分的景点推荐算法[J]. 计算机工程与设计, 2019,40(5):1322-1327.
[12]田保军,杨浒昀,房建东. 融合信任基于概率矩阵分解的推荐算法研究[J/OL]. 计算机应用. [2019-06-20]. http://kns.cnki.net/kcms/detail/51.1307.TP.20190531.1558.014.html.
[13]陈荣赏. 遗传聚类的协同推荐方法在点餐系统中的应用设计[D]. 泉州:华侨大学, 2017.〖HJ1.6mm〗
[14]谢国民,张婷婷,刘明,等. 基于SDAE特征表示的协同主题回归推荐模型[J]. 计算机工程与科学, 2019,41(5):924-932.
[15]张杰,付立军,刘俊明. 基于混合自编码器的协同过滤推荐算法优化[J]. 计算机系统应用, 2019,28(5):161-166.
[16]何明,肖润,刘伟世,等. 融合类别信息和用户兴趣度的协同过滤推荐算法[J]. 计算机科学, 2017,44(8):230-235.
[17]李贵,陈盛红,李征宇,等. 融合用户时效偏好的推荐算法[J]. 计算机科学, 2014,41(S1):394-399.
[18]曾安,高成思,徐小强. 融合时间因素和用户评分特性的协同过滤算法[J]. 计算机科学, 2017,44(9):243-249.
[19]RUMELHART D E, HINTON G E, WILLIAMS R J. Learning representations by back-propagating errors[M]// Neurocomputing: Foundations of Research. MIT Press, 1988:533-536.
[20]邓旭明. 基于深度学习的旅游服务推荐系统研究[D]. 西安:西北大学, 2018.
[21]王雨辰. 基于深度学习的图像识别与文字推荐系统的设计与实现[D]. 北京:北京交通大学, 2017.
[22]李佳. 基于意见挖掘与深度学习的推荐算法研究[D]. 长春:吉林大学, 2018.
[23]刘奕. 基于音乐内容语义的推荐算法的研究与实现[D]. 北京:北京邮电大学, 2018.
[24]汪加林. 基于用户偏好的深度学习推荐系统[D]. 武汉:华中科技大学, 2018.
[25]刘康迪. 基于深度学习的电影推荐系统研究与应用[D]. 北京:北京工业大学, 2018.
[26]美国Minnesota大学计算机科学与工程学院GroupLens项目组. MovieLens Datasets[EB/OL]. (2016-06-16)[2019-05-07]. http:// grouplens.org/datasets/movielens.
[27]KIM D, PARK C, OH J,et al. Convolutional matrix factorization for document context-aware recommendation[C]// Proceedings of the 10th ACM Conference on Recommender Systems. 2016:233-240.
[28]MIKOLOV T, SUTSKEVER I, CHEN K, et al. Distributed representations of words and phrases and their compositionality[C]// Advances in Neural Information Processing Systems. 2013:3111-3119.
[29]HANSEN L K, ARVIDSSON A, NIELSEN F A, et al. Good friends, bad news - Affect and virality in Twitter[J]. Communications in Computer & Information Science, 2011,185:34-43. |