Wyszukiwarka
Abstrakt
Exploiting contextual information is considered a good solution to improve the quality of recommendations, aiming at suggesting more relevant items for a specific context. On the other hand, recommender systems research still strive for solving the cold-start problem, namely where not enough information about users and their ratings is available. In this paper we propose a new rating prediction algorithm to face the cold-start system scenario, based on user interests model called contextual conditional preferences. We present results obtained with three publicly available data sets in comparison with several state-of-the-art baselines. We show that usage of contextual conditional preferences improves the prediction accuracy, even when all users have provided a few feedbacks, and hence small amount of data is available.
Cytowania
-
2
CrossRef
-
0
Web of Science
-
6
Scopus
Autorzy (4)
-
Tommaso Di Noia
- Politecnico di Bari Dipartimento di Ingegneria Elettrica e dell’Informazione
-
Paolo Tomeo MSc. Eng.
- Politecnico di Bari Dipartimento di Ingegneria Elettrica e dell’Informazione
Cytuj jako
Pełna treść
pełna treść publikacji nie jest dostępna w portalu
Słowa kluczowe
Informacje szczegółowe
- Kategoria:
- Aktywność konferencyjna
- Typ:
- materiały konferencyjne indeksowane w Web of Science
- Tytuł wydania:
- Proceedings of the 8th International Joint Conference on Knowledge Discovery, Knowledge Engineering and Knowledge Management. - Vol. 1 strony 419 - 424
- Język:
- angielski
- Rok wydania:
- 2016
- Opis bibliograficzny:
- Karpus A., Noia T., Tomeo P., Goczyła K..: Rating Prediction with Contextual Conditional Preferences, W: Proceedings of the 8th International Joint Conference on Knowledge Discovery, Knowledge Engineering and Knowledge Management. - Vol. 1, 2016, SCITEPRESS,.
- DOI:
- Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.5220/0006083904190424
- Weryfikacja:
- Politechnika Gdańska
wyświetlono 137 razy