Random Sampling Method
Nonconscious Mimicry
Cluster Sampling Method
Per-Unit Sequence Models
Modeling and Similitude
Stratified Sampling Method
您也可能阅读
通过共同作者、期刊和引用图与本文相关的文章。
Hongren Huang1, Jianxin Li1, Feihong Lu1
1Beijing Advanced Innovation Center for Big Data and Brain Computing, China; School of Computer Science and Engineering, Beihang University, Beijing, China.
本研究介绍了SGAMDA,一种新的数据增强技术,通过解决数据稀疏性来改善用户身份链接. SGAMDA 增强了行为数据表示,提高了推系统中的预测准确度.
科学领域:
背景情况:
研究的目的:
主要方法:
主要成果:
结论: