Monotonization of User Preferences

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F15%3A10319578" target="_blank" >RIV/00216208:11320/15:10319578 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-319-26154-6_3" target="_blank" >http://dx.doi.org/10.1007/978-3-319-26154-6_3</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-319-26154-6_3" target="_blank" >10.1007/978-3-319-26154-6_3</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Monotonization of User Preferences

Popis výsledku v původním jazyce

We consider the problem of user-item recommendation as a multiuser instance ranking learning. A user-item preference is monotonizable if the learning can restrict to monotone models. A preference model is monotone if it is a monotone composition of rankings on domains of explanatory attributes (possibly describing user behavior, item content but also data aggregations). Target preference ordering of users on items is given by a preference indicator (e.g. purchase, rating). To increase intuitiveness, wefocus on a special class of monotone models which can be expressed as rules of generalized annotated programs. In this paper we focus on learning the (partial) order of vectors of rankings of user-item attribute values. We measure degree of agreement ofcomparable vec-tors with ordering given by preference indicators for each user. We are interested in distribution of this degree across users. We provide sets of experiments on user behavior data from an e-shop and on a subset of the sema

Název v anglickém jazyce

Monotonization of User Preferences

Popis výsledku anglicky

We consider the problem of user-item recommendation as a multiuser instance ranking learning. A user-item preference is monotonizable if the learning can restrict to monotone models. A preference model is monotone if it is a monotone composition of rankings on domains of explanatory attributes (possibly describing user behavior, item content but also data aggregations). Target preference ordering of users on items is given by a preference indicator (e.g. purchase, rating). To increase intuitiveness, wefocus on a special class of monotone models which can be expressed as rules of generalized annotated programs. In this paper we focus on learning the (partial) order of vectors of rankings of user-item attribute values. We measure degree of agreement ofcomparable vec-tors with ordering given by preference indicators for each user. We are interested in distribution of this degree across users. We provide sets of experiments on user behavior data from an e-shop and on a subset of the sema

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

<a href="/cs/project/GA15-19877S" target="_blank" >GA15-19877S: Automatické modelování znalostí a plánů pro autonomní roboty</a><br>

Návaznosti

S - Specificky vyzkum na vysokych skolach<br>I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2015

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of the 11th International Conference FQAS 2015

ISBN

978-3-319-26154-6

ISSN

2194-5357

e-ISSN

—

Počet stran výsledku

12

Strana od-do

29-40

Název nakladatele

Springer

Místo vydání

Berlin

Místo konání akce

Krakov

Datum konání akce

26. 10. 2015

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—