Информация о публикации

Просмотр записей
Инд. авторы: Князева А.А., Колобов О.С., Турчановский И.Ю.
Заглавие: Способы построения гибридной рекомендательной системы на основе данных о заказах библиотеки
Библ. ссылка: Князева А.А., Колобов О.С., Турчановский И.Ю. Способы построения гибридной рекомендательной системы на основе данных о заказах библиотеки // Распределенные информационно-вычислительные ресурсы. Цифровые двойники и большие данные (DICR-2019): Труды XVII Международной конференции (Новосибирск, 03.12-06.12.2019) / Под ред. О.Л. Жижимова, А.В. Юрченко. - 2019. - Новосибирск: ИВТ СО РАН. - С.96-101. - ISBN: 978-5-905569-14-2. - http://elib.ict.nsc.ru/jspui/bitstream/ICT/4694/19/DICR-2019-V3_p096-101.pdf
Внешние системы: DOI: 10.25743/ICT.2019.73.66.014; РИНЦ: 41579984;
Реферат: eng: The methods of hybrid recommenders in terms of their applicability for using in an university library are considered in the paper. Suggestions are given for solving the problem of cold start when using collaborative filtering. The book loan data during 2014-2016 in Scientific and technical library of TPU were used in work.
rus: В статье рассмотрены гибридные рекомендательные системы с точки зрения их применимости для использования в библиотеке университета. Приведены предложения по решению проблемы «холодного старта» при использовании методов коллаборативной фильтрации. В работе были использованы данные о выполненных заказах литературы в 2014-2015 гг. в Научно-технической библиотеке ТПУ.
Ключевые слова: коллаборативная фильтрация; контентные рекомендации; данные о заказах; collaborative filtering; content recommendations; loan data; hybrid recommender systems; гибридные рекомендательные системы;
Издано: 2019
Физ. характеристика: с.96-101
Ссылка: http://elib.ict.nsc.ru/jspui/bitstream/ICT/4694/19/DICR-2019-V3_p096-101.pdf
Конференция: Название: XVII Международная конференция «Распределенные информационно-вычислительные ресурсы: Цифровые двойники и большие данные»
Аббревиатура: DICR-2019
Город: Новосибирск
Страна: Россия
Даты проведения: 2019-12-03 - 2019-12-06
Ссылка: http://conf.ict.nsc.ru/dicr2019
Цитирование:
[1] 	О библиотеке / НТБ ТПУ. https://www.lib.tpu.ru/today/about.html (дата обращения 09.09.2019).
[2] 	Burke R. Hybrid web recommender systems // The adaptive web / Lecture Notes In Computer Science. 2007. V. 4321. P. 377-408.
[3] 	Tejeda-Lorente Á., Porcel C., Peis E., Sanz R., Herrera-Viedma E. A quality based recommender system to disseminate information in a university digital library // Inf. Sci. 261, 2014. P. 52-69.
[4] 	Covington P., Adams J., Sargin E. Deep Neural Networks for YouTube Recommendations. // Proc. of the 10th ACM Conference on Recommender Systems (RecSys '16). ACM, New York, NY, USA, 2016. P. 191-198.
[5] 	Melville P., Mooney R.J., Nagarajan R. Content-boosted collaborative filtering for improved recommendations // 8th national conf. on Artificial intelligence. Menlo Park, CA, USA, 2002. P. 187-192.