Publicação
Exploiting item co-utility to improve recommendations
| Resumo: | Neste trabalho, nós mostramos como o feedback que itens recebem em um sistema de recomendação pode ser explorado com a finalidade de melhorar as recomendações. Se dois itens recebem, mutuamente, feedback positivo dos usuários, a seleção de um deles deveria influenciar a seleção do outro. Neste sentido, nós propomos diferentes modos de quantificar essa influência -- todos computacionalmente baratos e independentes de informação de conteúdo. Em seguida, esta informação é passada para um Problema de Dispersão, para o qual nosso problema reduz, e diferentes algoritmos para resolvê-lo são apresentados. Nós comparamos nosso método com baselines competitivos e obtemos ganhos expressivos na utilidade das recomendações. Nós também mostramos que nosso método é escalável e não afeta a diversidade das recomendações. |
|---|---|
| Autores principais: | Aline Duarte Bessa |
| Assunto: | Feedback positivo Problemas de dispersão Sistemas de recomendação Filtragem colaborativa Sistemas de recomendação Computação |
| Ano: | 2019 |
| País: | Brasil |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | IBICT |
| Idioma: | inglês |
| Origem: | Oasisbr |
| Resumo: | Neste trabalho, nós mostramos como o feedback que itens recebem em um sistema de recomendação pode ser explorado com a finalidade de melhorar as recomendações. Se dois itens recebem, mutuamente, feedback positivo dos usuários, a seleção de um deles deveria influenciar a seleção do outro. Neste sentido, nós propomos diferentes modos de quantificar essa influência -- todos computacionalmente baratos e independentes de informação de conteúdo. Em seguida, esta informação é passada para um Problema de Dispersão, para o qual nosso problema reduz, e diferentes algoritmos para resolvê-lo são apresentados. Nós comparamos nosso método com baselines competitivos e obtemos ganhos expressivos na utilidade das recomendações. Nós também mostramos que nosso método é escalável e não afeta a diversidade das recomendações. |
|---|
Atividades financiadas
Não foram encontrados projetos financiados.