Metoda personalizacji treści w serwisach internetowych

• Autorzy: Piwowarski M. , Szczyciński K. , Nermend K.

Warianty tytułu

EN

A method for personalization of web content

• Języki publikacji: PL

Abstrakty

PL

Głównym celem artykułu jest zaprezentowanie autorskiej metody personalizacji zawartości serwisu internetowego. Pierwsza część publikacji zawiera krótki przegląd istniejących metod personalizacji treści w witrynach. W dalszej części znajduje się opis opracowanej metody personalizacji (połączenie metody MinHash w podejściu generowania rekomendacji opartym na podobieństwie użytkowników typu przedmiot–przedmiot oraz metody AHP), a następnie przedstawiane są wyniki badań symulacyjnych dla wybranego zestawu danych.

EN

The main purpose of this article is to present a content personalization method in the website. The document is divided into three chapters. The first chapter describes the analysis of existing content personalization methods in websites. The next part contains the description of created author’s method (a combination of methods MinHash and AHP) with description of implementation. The last chapter it presents test results for used dataset.

Słowa kluczowe

PL

personalizacja informacji; serwisy internetowe; zarządzanie treścią

EN

personalization of information; websites; content management

• Wydawca: Wydawnictwo Naukowe Uniwersytetu Szczecińskiego
• Czasopismo: Zeszyty Naukowe. Studia Informatica / Uniwersytet Szczeciński
• Rocznik: 2012
• Tom: Nr 31
• Strony: 201--215
• Opis fizyczny: Bibliogr. 10 poz., rys., tab.

Twórcy

autor

Piwowarski M.

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie

autor

Szczyciński K.

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie

autor

Nermend K.

• Wydział Nauk Ekonomicznych i Zarządzania, Instytut Informatyki w Zarządzaniu, Uniwersytet Szczeciński, ul. Mickiewicza 64 71-101, Szczecin

Bibliografia

• 1. Anonymous Ratings from the Jester Online Joke Recommender System, http://eigentaste.berkeley.edu/dataset, dostep 4.04.2012.
• 2. Asanov D., Algorithms and Methods in Recommender Systems, http://www.snet. tuberlin.de/fileadmin/fg220/courses/WS1011/snet-project/recommendersystems_asanov.pdf, dostęp 25.12.2011.
• 3. Hand D., Mannila H., Smyth P., Eksploracja danych, WNT, Warszawa 2005.
• 4. jQuery: The Write Less, Do More, JavaScript Library, http://jquery.com, dostęp 1.03.2012.
• 5. jQuery user interface library, http://jqueryui.com, dostęp 1.03.2012.
• 6. Koronacki J., Ćwik J., Statystyczne systemy uczące się, WNT, Warszawa 2005.
• 7. Ricci F., Rokach L., Shapira B., Kantor P.B., Recommender Systems Handbook, Springer, New York 2010.
• 8. Saaty T.L., How to make a decision: The Analytic Hierarchy Process, „European Journal of Operational Research”, vol. 48, 1990.
• 9. Squiz Matrix: User Manual Library, http://manuals.matrix.squizsuite.net, dostęp 3.03.2012.
• 10. Ullman J., Data Mining of Very Large Data, Symposium on the Effectiveness of Logic in Computer Science in Honour of Moshe Vardi, 2002.