Las redes sociales basadas en la ubicación, como Yelp y Tripadvisor, que permiten a los usuarios compartir experiencias sobre lugares visitados con sus amigos, han ganado una creciente popularidad en los últimos años. Sin embargo, a medida que más lugares están disponibles, surge la necesidad de sistemas precisos capaces de presentar sugerencias personalizadas. Al proporcionar este servicio, los sistemas recomendadores de puntos de interés han atraído mucho interés de diferentes sociedades, lo que ha llevado a mejorar métodos y técnicas. El aprendizaje profundo brinda una emocionante oportunidad para mejorar aún más estos sistemas, al utilizar datos adicionales para comprender mejor las preferencias de los usuarios. En este trabajo proponemos (TCENR), un marco profundo que emplea datos contextuales, como las redes sociales de los usuarios y los datos geoespaciales de ubicaciones, junto con reseñas textuales. Para aprovechar al máximo estos datos de entrada, utilizamos varios tipos de redes neuronales profundas que son los más adecuados para cada tipo de datos. TCENR adopta los populares perceptrones multicapa para analizar las actividades
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Método de Inicialización Pasiva Basado en las Características de Movimiento para SLAM Monocular
Artículo:
Método de cribado del grado de influencia de la información del vehículo basado en la red neuronal RBF optimizada por GEP
Artículo:
Análisis del rendimiento del enlace descendente MIMO-NOMA en redes celulares de ondas milimétricas con comunicaciones D2D
Artículo:
Marcos de software para la composición de modelos
Artículo:
Comparación de los efectos de la ablación por radiofrecuencia del cáncer de hígado guiada por imágenes de TC basadas en algoritmos de aprendizaje profundo.
Artículo:
Un estudio sobre la formulación de los parámetros de 5 o menos variables independientes de regresión lineal múltiple.
Tesis:
Estudio comparativo de tres sistemas de secado para la producción de un polvo deshidratado de fruta
Artículo:
Predicción de precios de vivienda basada en regresión lineal múltiple
Artículo:
Papel de la atención sanitaria habitual combinada con la telemedicina en el tratamiento del embarazo de alto riesgo en Hangzhou, China