4/2/13 1 推荐系统初探 A Survey of Recommender Systems 张永锋清华大学计算机系
|
|
|
- 建 廉
- 4 years ago
- Views:
Transcription
1 4/2/13 1 推荐系统初探 A Survey of Recommender Systems 张永锋清华大学计算机系
2 4/2/13 2 Outline 推荐系统概述 什么是推荐 ( 个性化推荐 ) 个性化推荐的发展历史 个性化推荐问题的输入输出 个性化问题的形式化 推荐系统的两大核心问题 个性化推荐方法分类及典型算法 多种分类方法 典型算法介绍与对比 推荐算法的评价方法和指标 评价方法 评价指标 典型商业推荐系统浅析 典型商业推荐系统 面临的问题及发展方向 推荐系统目前面临的问题 推荐系统潜在的发展方向 Demo 数据集介绍 demo
3 4/2/13 3 推荐系统概述 推荐系统概述 什么是 ( 个性化 ) 推荐 个性化推荐的发展历史 个性化推荐问题的输入输出 个性化推荐问题的形式化 推荐系统的两大核心问题
4 4/2/13 4 什么是推荐系统 推荐系统 : Recommender System 预测用户对某个他未曾 使用 过的 物品 (item) 的喜好程度 物品 item: 电影 书籍 音乐 新闻 一般所说的 推荐系统 是指 个性化 推荐系统, 即不同人根据具体情况不 同可以获得不同的 有针对性的推荐
![4/2/13 5 推荐问题的发展历史 推荐问题本身追溯久远 1994, Minnesota, GroupLens 研究组论文 [1] 提出 协同过滤 的概念 推荐问题的形式化 影响深远 (An Open Architecture) GroupLens : user-based collaborative filtering netnews Recommendation System](/docs-images/99/140731070/images/5-0.jpg "Item-based Matrix Factorization Other non-cf algorithms Hybrid Methods http://www.grouplens.")
5 4/2/13 5 推荐问题的发展历史 推荐问题本身追溯久远 1994, Minnesota, GroupLens 研究组论文 [1] 提出 协同过滤 的概念 推荐问题的形式化 影响深远 (An Open Architecture) GroupLens : user-based collaborative filtering netnews Recommendation System Item-based Matrix Factorization Other non-cf algorithms Hybrid Methods recommender systems online communities [1]GroupLens: An Open Architecture for Collaborative Filtering of Netnews, CSCW Refs
6 4/2/13 6 推荐问题的发展历史 (cont.) 目前已广泛集成到很多商业应用系统中 尤其是网络购物平台中 Amazon: Amazon 网络书城的推荐算法每年贡献 30 个百分点的创收 Forrester: 电子商务网站留意到推荐信息的顾客, 约 1/3 会依据推荐购买商品
7 4/2/13 7 推荐系统的输入 推荐系统的输入 User Profile User + Item + Review Item Item Profile User Item User
8 4/2/13 8 推荐系统的输入 (cont.) Item & Item Profile 电影 : 类别 导演 主演 国家 新闻 : 标题 本文 关键词 时间 User & User Profile 描述一个 user 的 个性 两种构建 User Profile 的方式 与 Item Profile 类似, 如性别 年龄 国别 年收入 活跃时间 难以与 Item 建立具体的联系 隐私问题 很少直接使用 利用 Item Profile 构建 User Profile[2] Personalized IR related [2] Adaptive Web Search based on User Profile Constructed without Any Effort from Users, WWW2004.
9 4/2/13 9 推荐系统的输入 (cont.) User & User Profile(cont.) 利用 Item Profile 构建 User Profile 出发点 : 计算 User Profile 和 Item Profile 的相似度是常见操作 Case Study: 一种最简单的构建方法 个性化电影推荐 : Movie1 Movie2 Movie3 User Profile 类别 温情 温情 战争 (0.75 温情, 0.25 战争 ) 时长 打分 可以分别考察 user 在不同时间段内的 profile, 以反应 user apatite 的变化 论文 [2] 正是基于这一思路 以个性化查询推荐为背景 优点 : 构建方便 易于使用 ( 计算相似度 ) 巧妙地避开隐私信息 获得一些难以直观刻画的 user profile 信息
10 4/2/13 10 推荐系统的输入 (cont.) Review(user 对 item 的评价 ) 最简单的 Review: 打分 (Rating) 一般是 1~5 的星级 其它 Review 显式 评论 评分 标签
11 4/2/13 11 推荐系统的输出 推荐列表 (Recommendation List) 按照特定的排序给出对该用户的推荐 推荐理由 与 IR 系统的不同 举例 e.g. 购买了某物品的用户有 90% 也购买了该物品 该物品在某类别中人气最高 重要性 解决推荐的合理性问题 受到越来越多的重视 [3] [3] A Survey of Explanations in Recommender Systems, IEEE Data Engineering
12 4/2/13 12 推荐问题的形式化 基于 User-Item Rating Matrix 的形式化 源自论文 [1](GroupLens System) A sparse matrix (user-item rating matrix) 亚马逊书城 : 即使最活跃的用户, 购书量也不到图书总量的 1% 1% * 2 million = 20 thousand GroupLens 实验数据集 : 只选择打分数 >=20 的 user Item 100,000 ratings / (934 users * 1682 items) = 6.3% 越来越 sparse Rating 0~5, 0 代表 user 未使用过该 item 1 最不喜欢 5 最喜欢 User Profiles
13 4/2/13 13 推荐系统的两大核心问题 执行推荐, 两大核心问题 预测 (Prediction) 预测每一个 0 处的可能值, 即该 user 对该 item 可能的打分 ( 越准越好 ) 预测方法, 评价方法 推荐 (Recommendation) 依据 Prediction 环节的结果推荐用户未尝试过的 item 核心 :Ranking 策略众多 直接按照 Prediction 给出的预测分值大小? 用户的年龄段 历史爱好等 Profile(User Profile 一般在此派上用场 ) 用户最近一段时间的购买记录 研究力度 多数论文在给出 Prediction 的准确度后即停止 推荐多样性 [4] 推荐系统界面 [5] [4] Improving Recommendation List Through Topic Diversification, WWW 2005 [5] Is Seeing Believing? How Recommender Interfaces Affect Users Opinions, CHI 2003
14 4/2/13 14 推荐方法分类及典型算法 推荐方法分类及典型算法 多种分类方法 典型算法介绍与对比
15 4/2/13 15 不同的分类方法 依据结果是否因人而异 大众化推荐 与用户本身及历史信息无关 同样的外部条件下不同人获得同样的推荐 个性化推荐 推荐结果与用户本身的历史记录或行为有关 依据推荐算法的不同 基于内容的推荐 (Content-based Recommendation Algorithms) 基于协同过滤的推荐 (Collaborative Filtering-based) 基于二部图的推荐 (Structure-based) 混合型推荐 (Hybrid Recommendation Algorithms)
16 4/2/13 16 不同的分类方法 (cont.) 细说基于协同过滤的推荐 基于用户的协同过滤 (User-based) 基于物品的协同过滤 (Item-based) 基于社交网络关系的推荐 (Social-based) 基于模型的推荐 (Model-based) 基于矩阵分析 (SVD/NMF, etc) 基于机器学习 ( 决策树 贝叶斯分类器 人工神经网络 ) 基于关联规则的推荐 (Association Rule Mining for Recommendation)
17 4/2/13 17 典型算法介绍 :Content-based Content-based 推荐算法 Content? Profile! 基于 User-Profile & 基于 Item-Profile 基于 User-Profile 又名 Demographic-based( 基于人口统计学的 )[6] 基本假设 : 一个用户可能喜欢与其相似的用户所喜欢的物品 基本思想 利用 User Profile 计算用户之间的相似度 取出与该用户最相似的前 K 个用户 将这 K 个用户的所覆盖的 Item 作为推荐列表 以 Item 的平均得分为依据对列表进行排序 [6] A framework for Collaborative, Content-Based and Demographic Filtering, AI Review, 1999
18 4/2/13 18 典型算法介绍 :Content-based(cont.) 基于 User Profile 优点 计算简单 缺点 User Profile 相对固定, 可实现线下计算, 实时响应 可信度低 性别 年龄等 Profile 相似的人完全可能有不同的偏好 ( 准确 ) 拥有相同偏好的人其 Profile 完全有可能很不同 ( 召回 ) 推荐结果可解释性不够 与你具有相似属性的用户购买了 XX 商品 : 难以让人信服 给出相似人群的 Profile?NO! 隐私问题 很少单独用来做推荐 一般用于推荐结果的后期过滤
19 4/2/13 19 典型算法介绍 :Content-based(cont.) 基于 Item Profile 基本假设 : 用户可能喜欢与他曾经喜欢过的东西相似的物品 基本步骤 (Simplified Version): 利用 Item Profile 构建 User Profile 考虑该 User 所有打过分的 Item 的加权平均 考虑 User 在不同时段打过分的 Item 的加权平均, 线性拟合 [2] 计算其它 Item 的 Item Profile 与该 User Profile 的相似度 按照相似度大小给出推荐列表 其它方式 绕过计算 User Profile 的环节, 直接使用 Item Profile 以 Item 相似度作为权重, 对该 User 的打分进行加权平均, 计算预测打分 转化为分类问题 以 (Item Profile, Like or not) 作为训练数据, 构建二分类器 以 (Item, Rating) 作为训练数据, 构建多分类器 [2] Adaptive Web Search based on User Profile Constructed without Any Effort from Users, WWW2004.
20 4/2/13 20 典型算法介绍 :Content-based(cont.) 基于 Item Profile 优点 对于新加入的 Item 没有冷启动 (Cold Start) 的问题 What is Cold-Start? -> 只要有 Item Profile 就可以计算相似度 推荐结果具有较好的可解释性 该物品与你之前喜欢的某物品相似, 如何相似 缺点 需要复杂模块甚至手工处理 Item Profile 一系列复杂的算法 - 各种 Tags 相关的数据挖掘问题 (Social Tags, Annotation 问题...) 大量的人力投入, 甚至领域专家的参与 Pandora: 音乐基因工程 - 每月标注 首歌曲, 每首需 20min, 已经标了 10 年 无法推荐用户不熟悉具有潜在兴趣的物品 新颖性 可扩展性不足 不同的领域 Profile 几乎完全不同
21 4/2/13 21 典型算法介绍 : CF-based 协同过滤 (Collaborative Filtering) 群体的智慧!(Wisdom of the Crowd) Good or Bad? Perhaps 发现或使用我们难以描述的规律 Volinsky : 它可能找到我们从未意识到或为其命名的 美观性, 但从数学意义上讲, 必须承认它是存在的 Or Perhaps Not 群体结论有时会不靠谱 2006 年, 沃尔玛的推荐引擎将 人猿星球 和 马丁 路德 金 纪录片捆绑推荐, 为此而受到种族歧视的指控 Volinsky : 尝试预测人类行为不可避免地会出现一些错误
22 4/2/13 22 典型算法介绍 : CF-based(cont.) User-based Recommendation 实际上就是 GroupLens[1] 中提出的方法 基本假设 : 一个用户可能喜欢与其具有相似爱好的用户所喜欢的物品 Content-based by User Profile (Demographic based) What is 相似爱好 利用用户的打分历史记录计算用户相似度 ( 行向量 ) 具有相似偏好的用户, 其在 Item 上的打分情况倾向于更相似 基本步骤 : 设想对某一个 user 进行推荐 数据预处理 Normalization, etc. 计算它的 Top K relevance Users( 行向量 ) 向量距离 夹角余弦相似度 Pearson 相关性系数 etc.
23 4/2/13 23 典型算法介绍 : CF-based(cont.) User-based Recommendation 基本步骤 (cont.) Top-N 推荐 统计这前 K 个用户中, 出现频率最高且目标用户未体验过的 Item 构建推荐列表 推荐社区内的热门物品 关联推荐 将前 K 个用户购买的物品看做 K 个集合 给定支持度和置信度, 进行关联规则挖掘 得到关联规则 If A, B, C then D 依据目标用户的记录执行推荐 购买了 X 的用户还购买了 X
24 4/2/13 24 典型算法介绍 : CF-based(cont.) User-based Recommendation 优点 避开了对 Profile 的挖掘 缺点 用户数 >> 商品数 Top-K relevance user 的计算很耗时 且难以线下计算 且 user 数量不断增加 Cold Start 问题 新用户加入时, 几乎没有打分, 难以个性化推荐 Content based 的优势体现出来 不善于发现长尾 总是倾向于推荐热门的 item
25 4/2/13 25 典型算法介绍 : CF-based(cont.) Item-based Recommendation[7] 亚马逊的专利算法 亚马逊网络商城推荐系统的底层核心算法 与 User-based 方法有某种 对称性 首次把 GroupLens 的方法称为 User-based 方法 出发点 : 试图解决 user-based 方法中用户数巨大, 计算 top-k relevance 耗时的问题 基本假设 : 用户可能喜欢和他之前喜欢的物品相似的物品 [7] Sarwar, Karypis, etc. Item-based Collaborative Filtering Recommendation Algorithms, WWW 2001
26 4/2/13 26 典型算法介绍 : CF-based(cont.) Item-based Recommendation(cont.) 基本步骤 1. 利用 user-item rating matrix, 计算 item 之间的相似度 ( 列向量 ) 夹角余弦相似度 Pearson 相关性系数 etc. 只考虑共现的打分
27 4/2/13 27 典型算法介绍 : CF-based(cont.) Item-based Recommendation(cont.) 基本步骤 2. 进行预测 加权和预测 (Weighted Sum) 以相似度为权重, 对用户打过的分加权平均 线性回归预测 (Regression Model) 直接算相似度不准, 先用 做线性回归近似, 再算相似度, 再加权平均
28 4/2/13 28 典型算法介绍 : CF-based(cont.) Item-based Recommendation(cont.) 优点 预测精度较 User-based 方法略高 MAE:Item v.s. User 可线下完成 Item 变化剧烈程度远低于 User, 故 Item 相似度计算可线下完成, 定期更新 可实时响应 用户添加新商品后, 可立即给出新的推荐 可解释性较好 用户总是了解自己的购物历史 给出被推荐物品的 Item Profile 没有隐私的问题 缺点 对 New Item 有 Cold-Start 的问题 [8] 从用户体验的角度, 比 New User 的 Cold-Start 问题要好一些 [8] Functional Matrix Factorizations for Cold-Start Recommendation, SIGIR 2011.
29 4/2/13 29 典型算法介绍 : CF-based(cont.) User-based v.s. Item-based 在线计算量 User 数 >> Item 数, 且 Item 数据相对比较稳定 -- Item-based 网络购物平台 Item 数 >> User 数, 且 Item 数据更新频繁 -- User-based 新闻 博客 微博推荐等 两篇代表论文提出的背景 1994 GroupLens 论文 : 网络新闻推荐 2001 Item-based 论文 : 亚马逊网络商城 应用场景 非社交型网络 : Item-based 解释为 和你具有相似兴趣的人也喜欢 v.s. 和你之前喜欢的某物品相似 社交型网络 : User-based 基于 User Network 和 Influence Network 的 User-based 方法, 令用户信服
30 4/2/13 30 典型算法介绍 : CF-based(cont.) User-based v.s. Item-based(cont.) 推荐多样性 互补性 分别利用 User-based 和 Item-based 得到推荐列表 约 50% 相同,50% 不同, 但却具有相似的精度 互补 多样性 用户多样性 : 单看一个 user 得到的推荐列表中 item 的两两相似度 User-based 好于 Item-based : Item-based 倾向于推荐和过去相似的物品 系统多样性 ( 即整个系统被推荐到的 item 的多样性 ) Item-based 好于 User-based : User-based 倾向于推荐热门的物品 用户对推荐算法的适应度 User-based 用户适应度正比于与其有共同喜好的用户数量, 即 大众性 Item-based 用户适应度正比于其自身所喜好的物品的自相似度, 即 一致性 Combination!
31 4/2/13 31 典型算法介绍 : CF-based(cont.) Model-based Recommendation 矩阵分解的道路 SVD 低秩逼近
32 4/2/13 32 典型算法介绍 : CF-based(cont.) Model-based Recommendation(cont.) 矩阵分解的道路 (cont.) SVD 分解的结果中存在负值! NMF(Non-negative Matrix Factorization)[9] 停止条件 : 非零值处的方差小于指定阈值 ( 本例 <0.001) I1 I2 I3 I4 I1 I2 I3 I4 [9] Algorithms for Non-negative Matrix Factorization. MIT Press, 2001.
33 4/2/13 33 典型算法介绍 : CF-based(cont.) Model-based Recommendation 机器学习的道路 利用用户评分数据训练决策树 [10] 建树 用户打分 -> dislike(1~3) like(4~5) unknown 构建决策树 终止条件 达到设定的最大深度 当前节点的最少 user 评分数量 预测 对于某个 user, 按照其打分情况将其一步步映射到某个叶子节点 (user 集合 ) 用该 user 集合中对个 item 打分的均值作为预测 论文进一步讨论了更精细的预测方法以解决过拟合的问题 [10]Adapting Boost strapping of Recommender System using Decision Tree, WSDM 2011.
34 4/2/13 34 典型算法介绍 : CF-based(cont.) Model-based Recommendation 优点 响应迅速 只要训练出模型, 即可快速判断 缺点 增量训练问题 如何把用户新增或实时的喜好反馈给模型 增量式 SVD 决策树的增量学习
35 4/2/13 35 典型算法介绍 : Hybrid Hybrid Recommendation( 混合型推荐系统 ) 大部分商业推荐系统都是混合型的 Netflix 大奖赛 BellKor Pragmatic Chaos 队 & The Ensemble 队 100 多个协同过滤算法的融合 小八卦 中科院自动化所 The Ensemble 队 项亮 公开测试集第一 隐藏测试集第二 整体排名第二
36 4/2/13 36 典型算法介绍 : Hybrid(cont.) Hybrid Recommendation(cont.) 加权融合 (Weighted Merge) 切换 (Switch) 混合 (Mix) 级联 (Cascade) 特征组合 (Feature Combination) etc
37 4/2/13 37 推荐系统的评价指标 评价方法 评价指标
38 4/2/13 38 推荐系统的评价指标 (cont.) 评价方法 离线评测 在线评测 用户调研 与 IR 评测有类似之处 但 Hulu 的指出 [11] [ 注 ] Position Bias 假设在推荐系统中并不完全适用 用户并不会因为某个 Item 在推荐列表里排第一就去点击 NDCG 等指标不完全适用 Hulu 的实验 : 在以 NDCG 为指标的线下评测中表现好的算法, 线上点击率未必高 结论 : 把点击率作为在线评估指标要谨慎 (???) [11] Do Clicks Measure Recommendation Relevancy? An Empirical User Study. RecSys [ 注 ] (by chen_1st?)
39 4/2/13 39 推荐系统的评价指标 (cont.) 常见评估指标 准确性 (accuracy) 预测准确度 MAE / NMAE RMSE / ARMSE MAP 决策支持准确度 相关度 Correlation Pearson / Spearman / Kendall Tau Reversal Rate Precision/Recall/F-measure ROC 曲线 可用性 (usefulness) Diversity Shannon Entropy / Gini Index 其它 新颖性 鲁棒性 自适应性 可扩展性 推荐效率 可解释性
40 4/2/13 40 推荐系统的评价指标 (cont.) MAE(Mean Absolute Error 平均绝对误差 ) 直观解释 Step1: 准备 Data Set, 构建新矩阵 Random(80% 显示,20% 隐藏, 用于被预测 ) Simulink( 如果有时间信息的话 ) Step2: 利用预测算法预测新矩阵的空白值 Step3: 利用 20% 被隐藏数值的真实值和预测值进行评价
41 4/2/13 41 推荐系统的评价指标 (cont.) RMSE(Root Mean Square Error, 根 / 均 / 方差 ) 目前学术论文中应用最广泛 Netflix 大奖赛的最终评价指标 (10% promotion -> $1 million) 与 SVD 分解的数学关系 SVD 低秩逼近就是要找一个秩为 k(<r) 且与原矩阵的差值矩阵 F 范数最小的近似矩阵 稍有不同
42 4/2/13 42 典型商业推荐系统 典型商业推荐系统 典型商业推荐系统
43 4/2/13 43 典型商业推荐系统浅析 (cont.) 电子商务领域 新闻与阅读 电影视频 音乐
44 4/2/13 44 面临的问题及发展方向 面临的问题及发展方向 [12] 推荐系统目前面临的问题 推荐系统潜在的发展方向 [12] Recent Advances in Personal Recommender Systems. Inter. Jour. of Inform. And System Sci
45 4/2/13 45 面临的问题及发展方向 (cont.) 数据稀疏性 (Data Sparsity) 表现 Cold-Start 冷启动问题 New-User / New-Item Neighbor Transitivity Problem( 近邻传递问题??) 一些 Item 之间由于共同打分很少, 故难以计算相似度 Long tail 如何识别小众需求并进行推荐? 一些 Item 打分本身就很少 一些应对方法 降维技术 SVD / PCA 但是不利于长尾推荐 使用 Hybrid 推荐模型 推荐方法之间互相弥补 (e.g. User-based + Item-based)
46 4/2/13 46 面临的问题及发展方向 (cont.) 同义词问题 (Synonymy) 表现 同样的物品有不同的名字 进一步导致了数据稀疏性 一些应对方法 基于统计 / 语法的同义词挖掘 LSI 潜在语义分析 Gray Sheep 问题 表现 有的人偏好与其它任何人都不同 注 :Black Sheep 偏好与一般人完全相反 - acceptable failure 应对 Content-based + CF 混合推荐
47 4/2/13 47 面临的问题及发展方向 (cont.) Shilling Attack(Anti Spam) 表现 有人故意给自己的物品打高分 给对手的物品打低分 应对 被动 : 采用 Item-based 方法, 作弊者相对是少数 主动 : 采用各种 Anti Spam 的方法
48 4/2/13 48 面临的问题及发展方向 (cont.) 潜在的发展方向 基于 User Review 的推荐 受限于文本挖掘 情感分析技术的发展 用户评论数据较难获取 2007 年才开始有相关研究出现 [13] 推荐的可解释性 相比 IR, 可解释性在推荐中尤其重要 用户交互方式 推荐列表? 长尾推荐 满足小众需求, 发掘用户潜在兴趣 - 带来更多收益 [13] Informed Recommender: Basing Recommendations on Consumer Product Reviews, RecSys 2007
49 4/2/13 49 DEMO Demo 数据集介绍 demo
50 4/2/13 50 DEMO Demo 数据集介绍 大众点评 30w 餐厅数据 + ~200w user comment
51 4/2/13 51 DEMO 基于 Map Reduce 的分布式网络爬虫 Hadoop MapReduce 分布式计算框架 Hadoop hbase 数据库 适合于抓取 Item + 评论页 的网站 结构可扩展
52 4/2/13 52 Outline 推荐系统概述 什么是推荐 ( 个性化推荐 ) 个性化推荐的发展历史 个性化推荐问题的输入输出 个性化问题的形式化 推荐系统的两大核心问题 个性化推荐方法分类及典型算法 多种分类方法 典型算法介绍与对比 推荐算法的评价方法和指标 评价方法 评价指标 典型商业推荐系统浅析 典型商业推荐系统 亚马逊购物推荐浅析 面临的问题及发展方向 推荐系统目前面临的问题 推荐系统潜在的发展方向 Demo 数据集介绍 demo
Microsoft Word - 调研报告.docx
推荐系统调研报告及综述张永锋 清华大学计算机系人工智能研究所 zhangyf07@gmail.com 一 推荐系统概述 1.1 什么是推荐系统 推荐系统 (Recommender System) 的发展已经经历了近 20 年的时间, 但是迄今为止仍没有人 试图对推荐系统给出一个精确的定义 广义上的推荐系统可以理解为是主动向用户推荐物品 (Item) 的系统, 所推荐的物品可以是音 乐 书籍 餐厅 活动
Microsoft PowerPoint - Big Data rc Sharing掃盲時間.ppt [相容模式]
![Microsoft PowerPoint - Big Data rc Sharing掃盲時間.ppt [相容模式]](/thumbs/42/22881935.jpg "Microsoft PowerPoint - Big Data rc Sharing掃盲時間.ppt [相容模式]")
Big Data RC Sharing 大數據掃盲 Service Planner of Enterprise Big Data 大 數 據 服 務 規 劃 師 企 業 大 數 據 課 程 規 劃 依 照 企 業 資 料 流 程 的 特 殊 性, 安 排 合 適 的 課 程 協 助 企 業 導 入 應 用 大 數 據 案 例 :Etu 資 策 會 平 安 保 險 湖 南 國 防 科 技 大 學 等
Microsoft Word - 专论综述1.doc
1 基 于 协 同 过 滤 的 高 考 志 愿 推 荐 系 统 徐 兰 静, 李 珊, 严 钊 ( 南 京 航 空 航 天 大 学 经 济 与 管 理 学 院, 南 京 211100) 摘 要 : 近 年 来 信 息 过 载 问 题 的 出 现 使 得 个 性 化 推 荐 技 术 应 运 而 生, 其 中 协 同 过 滤 推 荐 技 术 通 过 在 用 户 和 信 息 之 间 建 立 联 系, 被
UDC Empirical Researches on Pricing of Corporate Bonds with Macro Factors 厦门大学博硕士论文摘要库
10384 15620071151397 UDC Empirical Researches on Pricing of Corporate Bonds with Macro Factors 2010 4 Duffee 1999 AAA Vasicek RMSE RMSE Abstract In order to investigate whether adding macro factors
acl2017_linguistically-regularized-lstm-MinlieHuang
ACL 2017 Linguistically Regularized LSTM for Sentiment Classification Qiao Qian, Minlie Huang, Jinhao Lei, Xiaoyan Zhu Dept. of Computer Science Tsinghua University 1 aihuang@tsinghua.edu.cn Outline Introduction
【结构化面试名师精品班2ATY15K002】讲义.docx
李 曼 卿 带 大 家 学 面 试 李 曼 卿 } 我 们 党 历 来 高 度 重 视 选 贤 任 能, 始 终 把 选 人 用 人 作 为 关 系 党 和 人 民 事 业 的 关 键 性 根 本 性 问 题 来 抓 好 干 部 要 做 到 信 念 坚 定 为 民 服 务 勤 政 务 实 敢 于 担 当 清 正 廉 洁 2013 年 6 月 28 日, 全 国 组 织 工 作 会 议 第 0 页 目
untitled
LBS Research and Application of Location Information Management Technology in LBS TP319 10290 UDC LBS Research and Application of Location Information Management Technology in LBS , LBS PDA LBS
2006產業管理創新研討會論文格式說明
粗 集 理 論 萃 取 影 響 國 小 數 學 學 習 成 就 因 素 鄭 景 俗 * 雲 林 科 技 大 學 資 訊 管 理 所 教 授 e-mail: chcheng@mis.yuntech.edu.tw 楊 欣 怡 雲 林 科 技 大 學 資 訊 管 理 所 研 究 生 e-mail: g9623233@yuntech.edu.tw 摘 要 本 研 究 主 要 目 的 在 利 用 粗 集 理
标题
第 33 卷 摇 第 6 期 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 2014 年 6 月 情 摇 报 摇 杂 摇 志 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 JOURNAL OF INTELLIGENCE Vol. 33 摇 No. 6 June 摇 2014 * 基 于 领 域 知 识 的 微 博 用 户 兴 趣 分 析 方 法 1 张 光 前 摇 1 2 张 园 美 摇
<4D6963726F736F667420506F776572506F696E74202D20C8EDBCFEBCDCB9B9CAA6D1D0D0DEBDB2D7F92E707074>
软 件 架 构 师 研 修 讲 座 胡 协 刚 软 件 架 构 师 UML/RUP 专 家 szjinco@public.szptt.net.cn 中 国 软 件 架 构 师 网 东 软 培 训 中 心 小 故 事 : 七 人 分 粥 当 前 软 件 团 队 的 开 发 现 状 和 面 临 的 问 题 软 件 项 目 的 特 点 解 决 之 道 : 从 瀑 布 模 型 到 迭 代 模 型 解 决 项
1 目 錄 1. 簡 介... 2 2. 一 般 甄 試 程 序... 2 3. 第 一 階 段 的 準 備... 5 4. 第 二 階 段 的 準 備... 9 5. 每 間 學 校 的 面 試 方 式... 11 6. 各 程 序 我 的 做 法 心 得 及 筆 記... 13 7. 結 論..
如 何 準 備 研 究 所 甄 試 劉 富 翃 1 目 錄 1. 簡 介... 2 2. 一 般 甄 試 程 序... 2 3. 第 一 階 段 的 準 備... 5 4. 第 二 階 段 的 準 備... 9 5. 每 間 學 校 的 面 試 方 式... 11 6. 各 程 序 我 的 做 法 心 得 及 筆 記... 13 7. 結 論... 20 8. 附 錄 8.1 推 甄 書 面 資 料...
填 写 要 求 一 以 word 文 档 格 式 如 实 填 写 各 项 二 表 格 文 本 中 外 文 名 词 第 一 次 出 现 时, 要 写 清 全 称 和 缩 写, 再 次 出 现 时 可 以 使 用 缩 写 三 涉 密 内 容 不 填 写, 有 可 能 涉 密 和 不 宜 大 范 围 公
2013 年 度 上 海 高 校 市 级 精 品 课 程 申 报 表 ( 本 科 ) 学 校 名 称 东 华 大 学 课 程 名 称 计 算 机 系 统 与 网 络 技 术 课 程 类 型 理 论 课 ( 不 含 实 践 ) 理 论 课 ( 含 实 践 ) 实 验 ( 践 ) 课 所 属 一 级 学 科 名 称 所 属 二 级 学 科 名 称 课 程 负 责 人 申 报 日 期 工 科 计 算 机
Microsoft Word - A201202-493_1329751213.doc
5 10 15 20 25 BP 神 经 网 络 在 中 国 创 业 板 企 业 成 长 性 预 测 研 究 ** 孙 静 稳, 刘 金 平 ( 中 国 矿 业 大 学 管 理 学 院, 江 苏 徐 州 221116) 摘 要 : 根 据 创 业 板 企 业 的 高 科 技 和 高 成 长 性 特 点, 成 为 金 融 证 券 市 场 热 门 关 注 的 对 象, 其 成 长 性 研 究 是 资 本
胡 鑫 陈兴蜀 王海舟 刘 磊 利用基于协议分析和逆向工程的主动测量方法对 点播系统进行了研究 通过对 点播协议进行分析 获悉该协议的通信格式和语义信息 总结出了 点播系统的工作原理 在此基础上设计并实现了基于分布式网络爬虫的 点播系统主动测量平台 并对该平台获取的用户数据进行统计分析 获得了 点播系统部分用户行为特征 研究结果对 点播系统的监控及优化提供了研究方法 点播 协议分析 爬虫 主动测量
<4D6963726F736F667420506F776572506F696E74202D20C15AAEC4A6D2AED6BB50C15AAEC4BADEB27A2D2DA578A4A4AF5A5B315D>
員 工 績 效 評 估 與 績 效 管 理 黃 良 志 教 授 國 立 中 正 大 學 勞 工 關 係 學 系 1 績 效 考 核 的 重 要 性 績 效 考 核 乃 是 對 員 工 在 特 定 期 間 的 工 作 成 果 之 評 價, 藉 以 作 為 調 薪 任 免 或 晉 升 等 人 事 決 策 之 參 考, 或 進 一 步 作 為 工 作 輔 導 決 定 訓 練 需 求 及 員 工 生 涯 發
1 2 <CAHhX17dox1o7cv63SgXVrJRs
ParaView 2019 1 21 1 1.1 ParaView [1] 2001-2018 ParaView Bug 2018 ParaView ParaView ParaView [5, 3] ParaView https://public.kitware.com/pipermail/paraview/ 1.2 URL URL Javascript document.queryselectall()
目录 决策树 Adaptive Boosting (AdaBoost) Gradient Boost Decision Tree (GBDT) TreeBoost XGBoost 总结
树模型的进化之路 颜发才 facaiyan@gmailcom facaiygithubio 新浪微博算法平台 2017 年 3 月 11 日 目录 决策树 Adaptive Boosting (AdaBoost) Gradient Boost Decision Tree (GBDT) TreeBoost XGBoost 总结 决策树 决策树直观印象进化分支 决策树 直观印象 petal length
标题
专题 地方志资源的数字化建设与应用 一种地方志资源的混合推荐模型 黄 涛 戴淑敏 成二丽 摘 要 针对当前地方志网站资源数量庞大 用户难以获取感兴趣的方志资源的问题 基于协同过滤 技术 并结合 ＴｏｐＮ 和改进的关联规则算法 提出一种混合推荐模型 该模型整合了 ＴｏｐＮ 和改进的关 联规则推荐以及协同过滤推荐的优点 利用方志标签对推荐结果进行筛选 实验结果表明 应用混合 推荐模型不但能解决当前推荐技术普遍存在的用户评价信息稀疏
Tourist Travel Behavior Analysis Based on Image and Text Data with Direction and Angle of Elevation *** Ritsuki Ohkubo*, Yasunori Muromachi** The promotion of inbound tourism becomes a major policy agenda
Microsoft PowerPoint - talk8.ppt
Adaptive Playout Scheduling Using Time-scale Modification Yi Liang, Nikolaus Färber Bernd Girod, Balaji Prabhakar Outline QoS concerns and tradeoffs Jitter adaptation as a playout scheduling scheme Packet
Preparing_Seminar
1 6 8 17 24 38 56 59 64 71 80 : : B90605199 : Preparing seminar. Page 1 seminar seminarium semen ( ) ( ) (Carl Gustav Jacob Jacobi) (University of Königsberg) Preparing seminar. Page 2 ( ) conference symposium
262 管 理 與 系 統 countries including Taiwan. Because of the liberalization policy of Taiwan s power industry, there is a critical demand to explore the m
管 理 與 系 統 第 十 六 卷 第 二 期 民 國 九 十 八 年 四 月 261-284 頁 Journal of Management & Systems Vol. 16, No. 2, April 2009 pp. 261-284 我 國 電 力 自 由 化 市 場 交 易 機 制 與 配 套 措 施 研 究 A Study on Market Mechanism and Ancillary
Gassama Abdoul Gadiri University of Science and Technology of China A dissertation for master degree Ordinal Probit Regression Model and Application in Credit Rating for Users of Credit Card Author :
Microsoft PowerPoint - [ ]A brief introduction to RecSys.ppt [兼容模式]
![Microsoft PowerPoint - [ ]A brief introduction to RecSys.ppt [兼容模式]](/thumbs/97/133128193.jpg "Microsoft PowerPoint - [ ]A brief introduction to RecSys.ppt [兼容模式]")
Recommender Systems: A Brief Introduction 刘 淇 计算机学院 语音及语言信息处理国家工程实验室 qiliuql@ustc.edu.cn http://staff.ustc.edu.cn/~qiliuql/ 2 主要目标 了解推荐系统的背景和现状 总结推荐算法的主要思想 技术方案 建立推荐系统与数据挖掘的关联 学习推荐算法的设计 ( 研究 ) 案例 探讨推荐算法的未来研究方向
Microsoft PowerPoint - Aqua-Sim.pptx
Peng Xie, Zhong Zhou, Zheng Peng, Hai Yan, Tiansi Hu, Jun-Hong Cui, Zhijie Shi, Yunsi Fei, Shengli Zhou Underwater Sensor Network Lab 1 Outline Motivations System Overview Aqua-Sim Components Experimental
% % 34
* 2000 2005 1% 1% 1% 1% * VZDA2010-15 33 2011. 3 2009 2009 2004 2008 1982 1990 2000 2005 1% 1 1 2005 1% 34 2000 2005 1% 35 2011. 3 2000 0. 95 20-30 209592 70982 33. 9% 2005 1% 258 20-30 372301 115483 31.
Microsoft Word - sbs.doc
精 品 资 源 共 享 课 推 荐 表 ( 本 科 类 ) 推 荐 单 位 仲 恺 农 业 工 程 学 院 所 属 学 校 仲 恺 农 业 工 程 学 院 ( 是 否 部 属 ) 否 课 程 名 称 数 据 库 原 理 及 应 用 课 程 类 型 理 论 课 ( 不 含 实 践 ) 理 论 课 ( 含 实 践 ) 实 验 ( 践 ) 课 所 属 一 级 学 科 名 称 所 属 二 级 学 科 名 称
L L L-1 L-1 L-1 L-1 L-1 L-2 L-1 L-1 L-2 L-2 L-2 L-2 L-2 L-2 L-2 L-2 L-2 L-2 L-3 L-3 L-3 L-3 L-2 L-2 L-2 L-2 L-2 15 14 13 12 11 10 9 8 7
Compensation Design - L L L-1 L-1 L-1 L-1 L-1 L-2 L-1 L-1 L-2 L-2 L-2 L-2 L-2 L-2 L-2 L-2 L-2 L-2 L-3 L-3 L-3 L-3 L-2 L-2 L-2 L-2 L-2 15 14 13 12 11 10 9 8 7 100,000 80,000 $ 60,000 40,000 20,000 80,000
Microsoft Word - A200810-897.doc
基 于 胜 任 特 征 模 型 的 结 构 化 面 试 信 度 和 效 度 验 证 张 玮 北 京 邮 电 大 学 经 济 管 理 学 院, 北 京 (100876) E-mail: weeo1984@sina.com 摘 要 : 提 高 结 构 化 面 试 信 度 和 效 度 是 面 试 技 术 研 究 的 核 心 内 容 近 年 来 国 内 有 少 数 学 者 探 讨 过 基 于 胜 任 特 征
KDC-U5049 KDC-U4049 Made for ipod, and Made for iphone mean that an electronic accessory has been designed to connect specifically to ipod, or iphone,
KDC-U5049 KDC-U4049 Made for ipod, and Made for iphone mean that an electronic accessory has been designed to connect specifically to ipod, or iphone, respectively, and has been certified by the developer
2005硕士论文模版
基 于 输 入 法 用 户 词 库 和 查 询 日 志 的 若 干 研 究 Some Research based on User Dictionary of Input Method and Query Log ( 申 请 清 华 大 学 工 学 硕 士 学 位 论 文 ) 培 养 单 位 : 计 算 机 科 学 与 技 术 系 学 科 : 计 算 机 科 学 与 技 术 研 究 生 : 王 鹏
2013_6_3.indd
中 国 科 技 资 源 导 刊 ISSN 1674-1544 2013 年 11 月 第 45 卷 第 6 期 95-99, 107 CHINA SCIENCE & TECHNOLOGY RESOURCES REVIEW ISSN 1674-1544 Vol.45 No.6 95-99, 107 Nov. 2013 构 建 基 于 大 数 据 的 智 能 高 校 信 息 化 管 理 服 务 系 统
第 期艾 均 等 基于观点传播的改进相似性计算评分预测方法 随着互联网信息技术的高速发展 人们已经进 入到信息过载的时代 面对海量的信息 对信息消费者而言 能找到自己喜欢的信息是一个巨大挑战 同时对信息生产者来说 产生用户感兴趣的信息并推送给用户也是一个挑战 在此情况下 推荐系统显得尤为重要 它联系
上海理工大学学报 第 卷 第 期!"" #$"%! &% 文章编号!!" 基于观点传播的改进相似性计算评分预测方法 艾 均 李林志 苏 湛 邬春学 上海理工大学光电信息与计算机工程学院 上海 摘要 通过研究网络结构上的观点传播与协同过滤算法 基于对观点传播算法的优化 提出了基于用户相似和物品相似推荐系统评分预测算法 设计的算法修正了现有相似研究中在目标比较相似时 相似性结果为零的问题 将用户 或物品
引言
上 海 市 进 出 口 贸 易 总 额 影 响 因 素 分 析 杨 瑾 1 2 冯 宇 辉 1. 同 济 大 学 经 济 与 管 理 学 院, 上 海,20009 2. 中 铁 建 电 气 化 局 集 团 轨 道 交 通 器 材 有 限 公 司, 常 州, 江 苏,213179 摘 要 : 进 出 口 贸 易 总 额 是 衡 量 一 个 地 区 经 济 发 展 速 度 的 重 要 指 标, 本 文
86
Web-based learninginteractivityinteractive functionscognitive learning 85 86 87 88 89 - (Choice) 1. Fixed-frame (menu) (Learner-interface) (Nonsequential design access of choice) 2. Site map 3. Keyword
Microsoft Word - 01李惠玲ok.doc
康 寧 學 報 11:1-20(2009) 1 數 位 學 習 於 護 理 技 術 課 程 之 運 用 與 評 值 * 李 惠 玲 ** 高 清 華 *** 呂 莉 婷 摘 要 背 景 : 網 路 科 技 在 教 育 的 使 用 已 成 為 一 種 有 利 的 教 學 輔 助 工 具 網 路 教 學 的 特 性, 在 使 學 習 可 不 分 時 間 與 空 間 不 同 進 度 把 握 即 時 性 資
OSI OSI 15% 20% OSI OSI ISO International Standard Organization 1984 OSI Open-data System Interface Reference Model OSI OSI OSI OSI ISO Prototype Prot
OSI OSI OSI 15% 20% OSI OSI ISO International Standard Organization 1984 OSI Open-data System Interface Reference Model OSI OSI OSI OSI ISO Prototype Protocol OSI OSI OSI OSI OSI O S I 2-1 Application
Microsoft Word - 鄂卫办函[2009]64号.doc
![Microsoft Word - 鄂卫办函[2009]64号.doc](/thumbs/42/23042295.jpg "Microsoft Word - 鄂卫办函[2009]64号.doc")
湖 北 省 卫 生 厅 鄂 卫 办 函 2009 64 号 省 卫 生 厅 关 于 建 立 湖 北 省 职 业 卫 生 技 术 评 审 专 家 库 的 通 知 各 市 州 直 管 市 林 区 卫 生 局, 部 省 属 医 疗 卫 生 单 位, 各 有 关 大 专 院 校, 有 关 科 研 企 事 业 单 位 : 为 加 强 我 省 职 业 病 防 治 技 术 队 伍 建 设, 推 进 全 省 职 业
全宋词1
( ) ...1...1...1...2...2...2...3...4...4...4...4...5...5...5...6...6...7...7...7...8...8...9...9 1 ... 10... 10... 11... 11... 11... 11... 12... 13... 13... 14... 14... 14... 14... 15... 16... 16... 16...
& ((& ) ((
& ( ) * * & + & ((& ) (( 1 * & /1 * & ( 1 0 ; * & ) 0 ) & * * +, & - / & & ) * (1 ( & 2 & 3 * +1 * &,1 * +1,1 & 1 & /1 ) 1 0 & 0 + 0, 0 / +1 & 0 & 2 *,1 0 & & 2 * 0 * ) ) 0 ) * 1 0 & ) 2 * /1 & 0 ) 2 *
幻灯片 1
Bring Shopper Research Into Category Solution Content What is the difference between Shopper Research and Consumer Research? Bring Shopper Research into Category Solution Case Share Page 2 Shopper Research
南華大學數位論文
南 華 大 學 生 死 學 系 碩 士 論 文 線 上 墓 園 服 務 內 涵 與 模 式 建 構 之 研 究 A Study on Online Memorial Services and Model Construction 研 究 生 : 林 威 伸 指 導 教 授 : 蔡 明 昌 博 士 中 國 民 國 九 十 九 年 十 二 月 十 五 日 感 謝 所 有 幫 助 過 我 的 人, 特
Microsoft Word doc
中 考 英 语 科 考 试 标 准 及 试 卷 结 构 技 术 指 标 构 想 1 王 后 雄 童 祥 林 ( 华 中 师 范 大 学 考 试 研 究 院, 武 汉,430079, 湖 北 ) 提 要 : 本 文 从 结 构 模 式 内 容 要 素 能 力 要 素 题 型 要 素 难 度 要 素 分 数 要 素 时 限 要 素 等 方 面 细 致 分 析 了 中 考 英 语 科 试 卷 结 构 的
Set the Error Covariances of PR and PRO Free Path Diagram Lisrel Output RS SE SS SC MI TV PC TO EF FS End of Problem
SIMPLIS The path analysis of emotion regulation, regulatory focus, optimism and creativity. Observed Variable: PCE = FFC = RA = SU = CL = PRO = PRE = IB = CSE = Correlation Matrix: 1.000.360 1.000.376.306
清 华 大 学
清 华 大 学 综 合 论 文 训 练 题 目 : 基 于 网 络 用 户 行 为 分 析 的 传 染 病 发 病 趋 势 研 究 系 专 姓 别 : 计 算 机 科 学 与 技 术 业 : 计 算 机 科 学 与 技 术 名 : 许 丹 青 指 导 教 师 : 刘 奕 群 助 理 研 究 员 2010 年 6 月 27 日 中 文 摘 要 近 年 来, 传 染 病 的 传 播 与 流 行 已
穨423.PDF
Chinese Journal of Science Education 2002,, 423-439 2002, 10(4), 423-439 1 2 1 1 1 2 90 8 10 91 4 9 91 8 22 ) NII 1995 7 14, 1999 1997 (Cooperative Remotely Accessible Learning CORAL) 424 (Collaborative
59 1 CSpace 2 CSpace CSpace URL CSpace 1 CSpace URL 2 Lucene 3 ID 4 ID Web 1. 2 CSpace LireSolr 3 LireSolr 3 Web LireSolr ID
58 2016. 14 * LireSolr LireSolr CEDD Ajax CSpace LireSolr CEDD Abstract In order to offer better image support services it is necessary to extend the image retrieval function of our institutional repository.
國家圖書館典藏電子全文
1 3 ---------------------- 3 July 1998 P.33-34 T 2 3 PDM 1998 NT 420 2000 NT 845 PDM PDM T PDM T PDM (1) PDM (2) T T T T 4 1 2 -------------------- 4 -- 1999 P.146-162 3 1 4 (Compaq, HP, Ericsson, NEC,
山东省招生委员会
附 件 2: 2012 年 度 山 东 大 学 精 品 课 程 申 报 表 课 程 名 称 课 程 负 责 人 所 属 院 系 网 站 建 设 与 设 计 连 莉 副 教 授 计 算 机 学 院 课 程 类 型 理 论 课 ( 不 含 实 践 ) 理 论 课 ( 含 实 践 ) 实 践 ( 验 ) 课 所 属 专 业 大 类 所 属 专 业 类 理 工 电 子 信 息 科 学 类 联 系 电 话 13256167020
untitled
Taipei Medical University Municipal Wanfang Hospital EBM Center 料 路 http://www.wanfang.gov.tw/ebm/ 2005/11/10 聯 Taipei Medical University Municipal Wanfang Hospital EBM Center Learning map Question formation
)
.. 1. 2. ) () () Pilot test () 1. 2. 3. 4. Scale (1). (nominal scale) 1. 2. 3. (1,2,3) (scale value) (arithmetic mean) (median) (mode) (chi-square test) (2). (ordinal scale) 5 1 A>B>C>D>E A B C D (non-parametric
「本港青少年網上行為」調查
1) 2) Analysis of Local Net Group : the Implications of the Study on Net Behavior of Youth in Hong Kong CHAN King Chuen Information & Research Manager, Breakthrough CHAN Chi Fu Investigator of Research
Microsoft Word - 本科毕设论文_基于用户相似度的商品推荐算法_饶锦峰.doc
本 科 生 毕 业 论 文 题 目 基 于 用 户 相 似 度 的 商 品 推 荐 算 法 姓 名 饶 锦 锋 学 号 3090101258 指 导 教 师 尹 建 伟 专 业 计 算 机 科 学 与 技 术 学 院 计 算 机 学 院 A Dissertation Submitted to Zhejiang University for the Degree of Bachelor of Engineering
Microsoft PowerPoint - STU_EC_Ch02.ppt
樹德科技大學資訊工程系 Chapter 2: Number Systems Operations and Codes Shi-Huang Chen Sept. 2010 1 Chapter Outline 2.1 Decimal Numbers 2.2 Binary Numbers 2.3 Decimal-to-Binary Conversion 2.4 Binary Arithmetic 2.5
those four kinds of factors are significantly associated with the intention to institutional care of the elderly without ADL disability. However for t
2014 6 207 POPULATION & ECONOMICS No. 6 2014 Tot. No. 207 100872 Logistic C913. 6 A 1000-4149 2014 06-0022 - 13 DOI 10. 3969 /j. issn. 1000-4149. 2014. 06. 003 A Study on the Factors Associated with Preferences
096STUT DOC
i YouTube was established in 2005 until now only more than 3 years. Although it was established just more than 3 years, it has already become the one of multitudinous video shares website that most people
春 雷 新 雨 看 潮 生 2015 年 计 算 机 系 大 众 创 业 万 众 创 新 校 友 论 坛 创 业 新 锐 奖 颁 奖 孙 茂 松 为 罗 建 北 老 师 颁 发 创 业 伯 乐 奖 杨 士 强 为 本 科 生 超 新 星 工 作 室 颁 发 未 来 创 新 之 星 奖 杨 士 强 为
清 华 大 学 计 算 机 科 学 与 技 术 系 Department of Computer Science and Technology,Tsinghua University 系 友 通 讯 ALUMNI EXPRESS 系 讯 简 报 春 雷 新 雨 看 潮 生 2015 年 计 算 机 系 大 众 创 业 万 众 创 新 校 友 论 坛 举 行 我 系 为 80 岁 老 教 师 举 行
07 353-408
編 號 :CCMP96-RD-006 以 德 菲 法 探 討 中 醫 臨 床 證 型 診 斷 基 準 - 六 淫 證 型 蘇 奕 彰 中 國 醫 藥 大 學 摘 要 德 菲 法 (Delphi Method) 是 廣 泛 被 使 用 的 研 究 方 法, 尤 其 適 用 於 新 的 研 究 領 域 (new research area) 及 探 索 性 研 究 (exploratory studies),
簡報技巧
2 Q & A 4 7 Presenter Audienc e 7 10 / 11 7 / 11 / 7 55 11 / 7 55 38 11 12 13 14 Q & A 1. : 1. : 1. : / 5W Who What When Where Why 1. : / 5W Who What When 5W2H How to do How much Where Why 1.
学 校 编 码 :10384 分 类 号 密 级 学 号 :X2007155130 UDC 厦 门 怡 福 养 生 健 康 管 理 有 限 公 司 创 业 计 划 王 韬 指 导 教 师 姓 名 : 郭 霖 教 授 厦 门 大 学 硕 士 学 位 论 文 厦 门 怡 福 养 生 健 康 管 理 有 限 公 司 创 业 计 划 A Business Plan for Xiamen Eve Health
技 巧 5: 避 免 除 以 0 的 運 算 在 做 除 的 運 算 時, 先 檢 查 除 數 的 數 值, 避 免 有 除 以 0 的 情 況 若 運 算 中 除 數 為 0,SAS 會 在 LOG 中 註 記 提 醒 並 將 運 算 結 果 設 定 為 遺 漏 值, 減 慢 程 式 的 執 行
提 升 SAS 效 率 的 小 技 巧 ( 二 ) 統 計 分 析 師 嚴 友 君 在 使 用 SAS 的 時 候, 效 率 的 考 量 除 了 程 式 運 行 的 時 間, 還 包 括 資 料 佔 用 的 空 間 暫 存 記 憶 體 的 使 用 量 程 式 的 長 度 與 易 讀 性 等 等 以 下 介 紹 一 些 初 學 者 容 易 應 用, 且 在 討 論 使 用 SAS 處 理 分 析 資
天 主 教 輔 仁 大 學 社 會 學 系 學 士 論 文 小 別 勝 新 婚? 久 別 要 離 婚? 影 響 遠 距 家 庭 婚 姻 感 情 因 素 之 探 討 Separate marital relations are getting better or getting worse? -Exp
天 主 教 輔 仁 大 學 社 會 學 系 學 士 論 文 小 別 勝 新 婚? 久 別 要 離 婚? 影 響 遠 距 家 庭 婚 姻 感 情 因 素 之 探 討 Separate marital relations are getting better or getting worse? -Explore the impact of emotional factors couples do not
How to cope: What do I tell the children? 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56
Microsoft Word 教師升等辦法V4.docx
弘 光 科 技 大 學 教 師 資 格 送 審 相 關 作 業 手 冊 人 事 室 彙 整 102/12/12 1 目 錄 請 隨 時 至 人 事 法 規 查 閱 最 新 版 本 http://mis2.hk.edu.tw/quickplace/hrdoc/main.nsf/h_toc/c4e133e9f45262d94825707a0011b533/?opendocument 一 人 事 室 送
Microsoft Word - 103-4 記錄附件
國 立 虎 尾 技 大 103 年 度 第 4 次 教 務 會 議 記 錄 附 件 中 華 民 國 104 年 6 月 16 日 受 文 者 : 國 立 虎 尾 技 大 發 文 日 期 : 中 華 民 國 104 年 5 月 28 日 發 文 字 號 : 臺 教 技 ( 二 ) 字 第 1040058590 號 速 別 : 最 速 件 密 等 及 解 密 條 件 或 保 密 期 限 : 附 件 :
17
17 應 用 案 例 式 推 理 建 立 顧 客 關 係 管 理 之 行 銷 決 策 系 統 張 百 棧 * 王 彥 文 劉 鎮 豪 元 智 大 學 工 業 工 程 與 管 理 研 究 所 桃 園 縣 中 壢 市 遠 東 路 135 號 03-463-8800#287 iepchang@saturn.yzu.edu.tw 摘 要 近 年 來, 資 料 庫 行 銷 蓬 勃 發 展, 讓 許 多 企 業
各 级 领 导 及 世 界 技 能 组 织 主 席 西 蒙 巴 特 利 参 观 深 圳 技 师 学 院 高 技 能 人 才 培 养 模 式 和 课 程 改 革 创 新 成 果 展 人 力 资 源 和 社 会 保 障 部 职 业 能 力 建 设 司 司 长 吴 道 槐 中 国 职 工 教 育 和 职
一体化课程的理念认识 加快高素质技能人才培养 助推产业转型升级 浅议技工院校如何结合专业课教学进行创业教育与实践 工学结合课程有效教学的学习目标探析 创新顶岗实习的管理 三导师制 的探索与实践 4 运用 三为循环法 提高技校班主任班级管理能力的研究 9 各 级 领 导 及 世 界 技 能 组 织 主 席 西 蒙 巴 特 利 参 观 深 圳 技 师 学 院 高 技 能 人 才 培 养 模 式 和 课
2004 1, 1980,21 %, 13 %,, 2002, GDP 34 %(1) 1 GDP 1 20 :,,,, % % % ( ), , , 1162,65 %, ,,
:: : 3 ( 100836) :, 90,,,,,,,,, GDP :,,, 10,, 1991 2002, GDP 33 % 34 %,12, 1Π3,,,,20,,,,???,,,, : ( ) 3, 1992,90 (, 1992 ),,,,, 4 2004 1, 1980,21 %, 13 %,, 2002, GDP 34 %(1) 1 GDP 1 20 :,,,, 1980 13 %
Microsoft PowerPoint - TTCN-Introduction-v5.ppt
Conformance Testing and TTCN 工研院無線通訊技術部林牧台 / Morton Lin 03-5912360 mtlin@itri.org.tw 1 Outline Introduction and Terminology Conformance Testing Process 3GPP conformance testing and test cases A real world
Mechanical Science and Technology for Aerospace Engineering October Vol No. 10 Web SaaS B /S Web2. 0 Web2. 0 TP315 A
2012 10 31 10 Mechanical Science and Technology for Aerospace Engineering October Vol. 31 2012 No. 10 Web2. 0 400030 SaaS B /S Web2. 0 Web2. 0 TP315 A 1003-8728 2012 10-1638-06 Design and Implementation
80 温 州 大 学 学 报 社 会 科 学 版 (2012) 第 25 卷 第 1 期 构 混 乱 表 意 不 明 不 合 逻 辑 其 中 前 四 种 属 于 结 构 类 语 病, 考 查 几 率 较 高 ; 后 两 种 属 于 语 义 类 语 病, 有 时 会 单 独 出 题 上 面 这 道 题
第 25 卷 第 1 期 温 州 大 学 学 报 社 会 科 学 版 2012 年 1 月 Vol 25, No 1 Journal of Wenzhou University Social Sciences Jan, 2012 我 们 需 要 什 么 样 的 语 言 知 识 中 学 语 文 语 言 知 识 系 统 的 重 建 骆 锤 炼 ( 温 州 大 学 人 文 学 院, 浙 江 温 州 325035)
Value Chain ~ (E-Business RD / Pre-Sales / Consultant) APS, Advanc
Key @ Value Chain fanchihmin@yahoo.com.tw 1 Key@ValueChain 1994.6 1996.6 2000.6 2000.10 ~ 2004.10 (E- RD / Pre-Sales / Consultant) APS, Advanced Planning & Scheduling CDP, Collaborative Demand Planning
Outline Ø 什么是时间序列分析 (Time Series Analysis) Ø 常见模型和基本 手段 Ø 趋势 (Trend Component) Ø 周期性 (Seasonal Component) Ø 随机性 (Random Component) Ø 简单 示例 Ø Modeling
Time Series Analysis 时间序列分析 Yongfeng Zhang, Tsinghua University zhangyf07@gmail.com Outline Ø 什么是时间序列分析 (Time Series Analysis) Ø 常见模型和基本 手段 Ø 趋势 (Trend Component) Ø 周期性 (Seasonal Component) Ø 随机性 (Random
Microsoft PowerPoint ARIS_Platform_en.ppt
ARIS Platform www.ixon.com.tw ARIS ARIS Architecture of Integrated Information System Prof. Dr. Dr. h.c. mult. August-Wilhelm Scheer ARIS () 2 IDS Scheer AG International Presence >> Partners and subsidiaries
PowerPoint 演示文稿
Fregata: 轻量级大规模机器学习算法库 Chief Data Scientist, TalkingData 大纲 大规模机器学习的挑战 Fregata 的优点 GSA 算法介绍 GSA 算法在 Spark 上的并行化与 MLLib 的对比如何使用 Fregata Fregata 的发展目标 大规模机器学习两个挑战 计算瓶颈 调参困难 经典算法的计算瓶颈 计算复杂度随数据规模超线性增长 Cheng
UDC The Design and Implementation of a Specialized Search Engine Based on Robot Technology 厦门大学博硕士论文摘要库
10384 200128011 UDC The Design and Implementation of a Specialized Search Engine Based on Robot Technology 2004 5 2004 2004 2004 5 World Wide Web Robot Web / (Focused Crawling) Web Meta data Web Web I
36 44 : 1 (Fall 2006) Nicholson 2003 bibliomining-data mining for libraries data mining bibliometric data warehousing Han & Kamber, ㈠ data clea
44 : 1 (Fall 2006) : 35-60 35 E-mail: jcshieh@ntnu.edu.tw E-mail: zaire@ms49.hinet.net bibliomining library automation system library integrated system 2006/10/11 ; 2006/11/18 ; 2006/12/05 36 44 : 1 (Fall
FICO ( Fair Issac ) ( keynote sessions ) ( Big Data ) FICO ( FICO's Technology Vision ) ( Changing the Customer Equation ) (
2013FICO 2013FICOFICO Fair IssacBIG DATA ANALYTICS AND THE CUSTOMER REVOLUTIONFICOFICO SCORE Big Data FICO FICO ( Big data ) 36 2013 /12 FICO ( Fair Issac ) 43053 70080040 3 ( keynote sessions ) ( Big
作 主 动 追 求 知 识 获 取 技 能, 在 心 理 和 生 理 上 都 非 常 积 极 的 个 体 (Zimmerman & Pons, 1986) 在 此 期 间, 自 我 效 能 感 (self-efficacy) 自 我 控 制 (self-control) 自 我 管 理 (self-
网 络 环 境 中 英 语 学 习 者 自 我 调 控 的 个 体 特 征 研 究 A Qualitative Study of Chinese EFL Learners Online Self-regulation * 1,2 郑 春 萍, 穆 婕 2, 章 僖 格 2, 苑 仁 庆 2, 李 芒 1 北 京 师 范 大 学 教 育 学 部 2 北 京 邮 电 大 学 人 文 学 院 * zhengchunping@bupt.edu.cn
中科院期刊分区数据 - 管理科学 版 序号期刊全称 ISSN 中科院大类分区 (2017 年发布 ) 大类分区 (2017 年发布 ) 小类分区 ( 含复分 2017 年发布 ) 影响因子 1 JOURNAL OF OPERATIONS MANAGEMENT 管理科学
中科院期刊分数据 - -2016 版 小类分 ( 含复分 2017 1 0272-6963 1 & SCIENCE 运筹学与 1 5.207 2 ENERGY POLICY 0301-4215 1 ENERGY & FUELS 能源与燃料 3 ENVIRONMENTAL SCIENCES 环境科学 2 4.14 3 OMEGA- INTERNATIONAL SCIENCE 0305-0483 1 &
1.0 % 0.25 % 85μm % U416 Sulfate expansion deformation law and mechanism of cement stabilized macadam base of saline areas in Xinjiang Song
1.0 % 0.25 % 85μm 0.97 0.136 % U416 Sulfate expansion deformation law and mechanism of cement stabilized macadam base of saline areas in Xinjiang Song Liang 1,2 Wang Xuan-cang 1 1 School of Highway, Chang
國立中山大學學位論文典藏.PDF
I II III The Study of Factors to the Failure or Success of Applying to Holding International Sport Games Abstract For years, holding international sport games has been Taiwan s goal and we are on the way
Microsoft Word 岑嘉玲-国际与公共事务学院-影响本科生签约与否的因素探究.doc
11 th OAPS Working Paper Series Paper No. 2014-041 Website: http://www.oaps.hk/ 1 影 响 本 科 生 签 约 与 否 的 因 素 探 究 Employment Survey of Undergraduates 岑 嘉 玲 刘 毅 宁 魏 雨 林 顾 诗 雅 王 天 天 屠 春 晓 张 晓 帆 Jialing CEN Yining
第一章.FIT)
第 一 章 美 丽 触 手 可 及 一 些 天 生 好 动 的 懒 人 袁 根 本 静 不 下 心 去 美 容 院 做 护 理 袁 通 常 总 是 用 一 些 最 野 懒 冶 的 方 法 来 保 养 自 己 遥 比 如 下 飞 机 以 后 感 觉 头 发 很 乱 袁 就 用 手 当 梳 子 随 手 梳 两 下 曰 脸 上 很 干 袁 就 往 脸 上 涂 些 酸 奶 尧 牛 奶 或 者 蜂 蜜 噎 噎
大 綱 最 有 利 標 目 的 及 類 型 最 有 利 標 之 辦 理 方 式 準 用 最 有 利 標 取 最 有 利 標 精 神 最 有 利 標 之 類 型 及 其 相 關 規 定 適 用 最 有 利 標 準 用 最 有 利 標 及 取 最 有 利 標 精 神 作 業 程 序 及 實 務 分 析
最 有 利 標 作 業 程 序 實 務 分 析 交 通 部 採 購 稽 核 小 組 陳 秘 書 牧 民 日 期 :101 年 05 月 21 日 大 綱 最 有 利 標 目 的 及 類 型 最 有 利 標 之 辦 理 方 式 準 用 最 有 利 標 取 最 有 利 標 精 神 最 有 利 標 之 類 型 及 其 相 關 規 定 適 用 最 有 利 標 準 用 最 有 利 標 及 取 最 有 利 標
第 3 期程树林, 等 : 基于用户和项目的双视角协同过滤推荐方法 327 协同过滤推荐方法分为基于内存和基于模型两类, 广泛应用于推荐领域 [1-3]. 基于模型的方法是利用机器学习理论建立数学模型实现推荐 [3], 基于内存的方法属于启发式方法, 包括基于项目的方法 (item-based co
![第 3 期程树林, 等 : 基于用户和项目的双视角协同过滤推荐方法 327 协同过滤推荐方法分为基于内存和基于模型两类, 广泛应用于推荐领域 [1-3]. 基于模型的方法是利用机器学习理论建立数学模型实现推荐 [3], 基于内存的方法属于启发式方法, 包括基于项目的方法 (item-based co](/thumbs/93/111628407.jpg "第 3 期程树林, 等 : 基于用户和项目的双视角协同过滤推荐方法 327 协同过滤推荐方法分为基于内存和基于模型两类, 广泛应用于推荐领域 [1-3]. 基于模型的方法是利用机器学习理论建立数学模型实现推荐 [3], 基于内存的方法属于启发式方法, 包括基于项目的方法 (item-based co")
第 35 卷第 3 期 2017 年 5 月 应用科学学报 JOURNAL OF APPLIED SCIENCES Electronics and Information Engineering Vol. 35 No. 3 May 2017 DOI: 10.3969/j.issn.0255-8297.2017.03.006 基于用户和项目的双视角协同过滤推荐方法 程树林 1,2, 张博锋 1, 邹国兵
Chapter 24 DC Battery Sizing
26 (Battery Sizing & Discharge Analysis) - 1. 2. 3. ETAP PowerStation IEEE 485 26-1 ETAP PowerStation 4.7 IEEE 485 ETAP PowerStation 26-2 ETAP PowerStation 4.7 26.1 (Study Toolbar) / (Run Battery Sizing
<4D6963726F736F667420576F7264202D20B0AAAEC4B276AD5EA4E5BEC7B2DFB5A6B2A42E646F63>
高 效 率 英 文 學 習 策 略 前 言 彭 登 龍 轉 錄 自 敦 煌 電 子 雜 誌 刊 期 :2006/08/14 筆 者 於 1997 年 前 往 加 拿 大 維 多 利 亞 大 學 研 究 所 攻 讀 碩 士 學 位, 在 開 學 之 前, 曾 參 加 該 校 的 Learning Skills Program 該 課 程 內 容 既 充 實 又 實 用, 包 含 時 間 管 理 記 憶
THE CHINESE CERTIFIED PUBLIC ACCOUNTANT Academic Research 39 Brandr, 意 思 是 烧 灼 烙 印, 最 早 用 这 种 方 式 来 标 记 家 畜 等 来 区 别 私 有 财 产 朗 文 当 代 高 级 英 语 词 典 21 世 纪
38 中 国 注 册 会 计 师 学 术 研 究 商 标 战 略 : 升 级 会 计 师 事 务 所 品 牌 战 略 的 必 由 之 路 基 于 2013 年 度 前 百 家 事 务 所 商 标 相 关 情 况 的 实 证 分 析 吴 杰 周 鑫 泽 摘 要 品 牌 战 略 是 推 动 行 业 做 强 做 大 走 出 去 的 有 力 法 宝 本 文 从 全 新 的 商 标 角 度, 以 2013 年
标题
香 港 知 识 溢 出 对 内 地 创 新 能 力 影 响 的 实 证 研 究 以 广 东 省 为 例 王 鹏 赵 捷 摘 要 : 改 革 开 放 以 来, 内 地 经 济 技 术 和 创 新 水 平 的 提 高 离 不 开 源 自 香 港 的 知 识 溢 出 本 文 以 广 东 省 为 例, 运 用 1990 ~ 2010 年 粤 港 两 地 经 济 社 会 数 据, 从 知 识 溢 出 角 度
第二章 研究方法與目的
東 吳 大 學 法 學 院 法 律 學 系 碩 士 在 職 專 班 法 律 專 業 組 碩 士 論 文 財 稅 資 訊 提 供 義 務 之 探 討 The Obiligation Of Government To Provide The Tax Information 指 導 教 授 : 張 文 郁 博 士 研 究 生 : 梁 盈 潔 中 華 民 國 一 三 年 九 月 東 吳 大 學 法 學 院
PowerPoint Presentation
TOEFL Practice Online User Guide Revised September 2009 In This Guide General Tips for Using TOEFL Practice Online Directions for New Users Directions for Returning Users 2 General Tips To use TOEFL Practice
- 3 - NSC H SSS
- 3 - NSC 91 2412 H007 006 SSS 91 08 01 92 07 31 3 - 4-60 4-5 68 4-6 72 4-7 95 4-8 98 4-9 103 107 135 150 4 - 5-164 5 - 6-6 Among four major subcultures in Taiwan, lottery subculture has leaded the role
既 設 建 築 物 汙 水 處 理 設 施 生 化 需 氧 量 三 O 化 學 需 氧 量 一 OO 流 量 大 於 二 五 O 立 方 公 尺 / 日 懸 浮 固 體 三 O 大 腸 桿 菌 群 二 OO OOO 生 化 需 氧 量 五 O 既 設 建 築 物 指 中 華 民 國 九 化 學 需
台 灣 基 層 透 析 協 會 本 會 宗 旨 : 關 懷 透 析 病 患, 提 升 透 析 品 質, 維 護 透 析 診 所 與 病 患 的 權 益, 最 新 消 息 : 協 助 政 府 制 定 相 關 醫 療 政 策 及 推 行 健 康 保 險 制 度 105 年 6 月 1 日, 腎 臟 醫 學 會 林 元 灝 秘 書 長 和 基 層 透 析 協 會 顏 大 翔 秘 書 長 至 劉 建 國 立
(Big Data: Challenges and opportunities) 2014/11/04 Copyright 2013 ITRI In God we trust; all other show data! 1
(Big Data: Challenges and opportunities) 2014/11/04 1 vs. 2 (Data Driven Decision Making) 3 vs. vs. 4 Walmart Walmart Why 40% Walmart 5 5 7-ELEVEN 7-ELEVEN 30% 6 Source : Solutions Big Data IBM, 2012 7
Corpus Word Parser 183
95 182 2010 1946 5 15 1948 6 15 1949 3 15 8 1 2011 2012 11 8 2015 12 31 Corpus Word Parser 183 2017. 1 ROST Content Mining 2003 20 60 2003 184 2003 20 60 1999 2009 2003 Discourse Analysis 1952 Language
49 高玉娇等 比较欠缺 这里根据手机游戏行业官方网站在设计 内容的独特性 网站内容与功能的可移植性与扩展 性 在网站信息架构方面 针对游戏内容与企业自身 内容 分析信息分类 信息分级以及信息组合架构 加 入用户自产生信息内容设计 建立快速信息交流与反 馈 交互设计方面 基于同侪效应 对用户社交行为
48 包装工程 PACKAGING ENGINEERING 高玉娇 覃京燕 王晓慧 北京科技大学 北京 100083 摘要 目的 基于手机游戏与网站设计的交互设计原则与用户体验研究成果 从信息架构 交互设计以及 视觉设计3个方面 探讨基于用户体验的手机游戏行业官方网站设计的方法与流程 方法 方法 对比分析国内 外手机游戏行业官方网站设计存在的弊端 并采用问卷调查的方法了解用户需求 结论 结论 信息架构方面
Microsoft Word - 1HF12序.doc
每 天 早 晨 水 果 日 報 的 頭 條, 總 有 瘋 狂 的 肥 皂 劇 在 現 實 社 會 中 上 演 著, 諸 如 友 寄 隆 輝 毆 打 計 程 車 司 機 案 014 貪 瀆 案 黑 暗 騎 士 掃 射 案 ( 美 國 ) 李 宗 瑞 淫 照 外 洩 案 等, 太 多 太 多 不 可 思 議 的 刑 事 個 案 都 活 生 生 地 搬 上 現 實 世 界 演 出 而 這 也 說 明 了
Microsoft Word - 讀報看科普─人體篇_橫_.doc
教 學 緣 起 在 引 領 學 生 進 行 讀 報 心 得 分 享 與 批 判 思 考 時, 發 現 學 生 普 遍 對 科 學 知 識 性 文 章 興 趣 缺 缺 ; 再 者, 近 年, 國 小 高 年 級 課 本 選 讀 科 普 文 章, 但 學 生 學 習 往 往 不 得 其 所, 無 法 融 入 課 文 中 因 此, 教 學 者 從 國 語 日 報 中 選 了 一 些 較 貼 近 生 活 的