Using contextual conditional preferences for recommendation tasks: a case study in the movie domain

• Autorzy: Karpus A. , Di Noia T. , Tomeo P. , Goczyła K.

Warianty tytułu

PL

Tworzenie rekomendacji z wykorzystaniem kontekstowych preferencji warunkowych: studium przypadku w dziedzinie filmów

• Języki publikacji: EN

Abstrakty

EN

Recommendation engines aim to propose users items they are interested in by looking at the user interaction with a system. However, individual interests may be drastically influenced by the context in which decisions are taken. We present an attempt to model user interests via a set of contextual conditional preferences. We show that usage of proposed preferences gives reasonable values of the accuracy and the precision even when the dataset is quite small.

PL

Systemy rekomendacyjne sugerują użytkownikom produkty, którymi mogą być zainteresowani, na podstawie wcześniejszej interakcji z systemem. Jednak duży wpływ na decyzję użytkownika ma kontekst, w którym jest ona podejmowana. W artykule zaproponowano model zainteresowań użytkownika jako zbiór kontekstowych preferencji warunkowych i pokazano, że z ich wykorzystaniem można uzyskać dużą dokładność i precyzję rekomendacji, nawet dla małych zbiorów danych.

Słowa kluczowe

EN

recommendation system; context-awareness; conditional preferences

PL

system rekomendacyjny; kontekst; preferencje warunkowe

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Studia Informatica
• Rocznik: 2016
• Tom: Vol. 37, nr 1
• Strony: 7--18
• Opis fizyczny: Bibliogr. 10 poz.

Twórcy

autor

Karpus A.

• Gdansk University of Technology, Faculty of Electronics, Telecommunications and Informatics, ul. G. Narutowicza 11/12, 80-233 Gdańsk, Poland

autor

Di Noia T.

• Polytechnic University of Bari, Electrical & Information Engineering Department, via E. Orabona 4, 70125 Bari, Italy

autor

Tomeo P.

• Polytechnic University of Bari, Electrical & Information Engineering Department, via E. Orabona 4, 70125 Bari, Italy

autor

Goczyła K.

• Gdansk University of Technology, Faculty of Electronics, Telecommunications and Informatics, ul. G. Narutowicza 11/12, 80-233 Gdańsk, Poland

Bibliografia

• 1. Adomavicius G., Tuzhilin A.: Context-aware recommender systems. [in:] Ricci F., Ro-kach L., Shapira B., Kantor P.B. (eds.): Handbook on Recommender Systems, Springer, 2011, p. 217÷256.
• 2. Boutilier C., Brafman R.I., Domshlak C., Hoos H.H., Poole D.: Cp-nets: A tool for rep-resenting and reasoning with conditional ceteris paribus preference statements. Journal of Artificial Intelligence Research, Vol. 21, 2004, p. 135÷191.
• 3. Cendrowska J.: PRISM: an algorithm for inducing modular rules. International Journal of Man-Machine Studies, Vol. 27, No. 4, 1987, p. 349÷370.
• 4. Dias R., Fonseca M.J.: Improving Music Recommendation in Session-Based Collabora-tive Filtering by Using Temporal Context. [in:] Proc. of the 2013 IEEE 25th Interna-tional Conference on Tools with Artificial Intelligence (ICTAI '13), IEEE Computer Society, Washington, DC, USA 2013, p. 783÷788.
• 5. Hosseinzadeh Aghdam M., Hariri N., Mobasher B., Burke R.: Adapting Recommenda-tions to Contextual Changes Using Hierarchical Hidden Markov Models. [in:] Proceed-ings of the 9th ACM Conference on Recommender Systems (RecSys '15), ACM, New York, NY, USA 2015, p. 241÷244.
• 6. Imran H., Belghis-Zadeh M., Chang T.W., Kinshuk, Graf S.: A Rule-Based Recom-mender System to Suggest Learning Tasks. [in:] Proc. of 12th International Conference on Intelligent Tutoring Systems (ITS 2014), LNCS, Vol. 8474, Springer, 2014, p. 672÷673.
• 7. Jannach D., Zanker M., Felfering A., Friedrich G.: Knowledge-based recommendation. [in:] Recommender Systems: an Introduction, Cambridge University Press, 2011, p. 81÷123.
• 8. Kosir A., Odic A., Kunaver M., Tkalcic M., Tasic J.F.: Database for contextual person-alization. Elektrotehniski vestnik [English print ed.], Vol. 78, No. 5, 2011, p. 270÷274.
• 9. Smyth B.: Case-Based Recommendation. [in:] Brusilovsky P., Kobsa A., Nejdl W. (eds.): The Adaptive Web, LNCS, Vol. 4321, Springer, 2007, p. 342÷376.
• 10. Stefanidis K., Pitoura E., and Vassiliadis P.: A context-aware preference database sys-tem. International Journal on Pervasive Computing and Communications, Vol. 3, No. 4, 2007, p. 439÷460.

Uwagi

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę.