Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

LODBookRec: Linked Open Data for Books Recommendation

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F19%3A10396527" target="_blank" >RIV/00216208:11320/19:10396527 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://doi.org/10.1145/3326467.3326476" target="_blank" >https://doi.org/10.1145/3326467.3326476</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1145/3326467.3326476" target="_blank" >10.1145/3326467.3326476</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    LODBookRec: Linked Open Data for Books Recommendation

  • Popis výsledku v původním jazyce

    In this paper, we present the LODBookRec application. LODBookRec builds on top of Linked Open Data (LOD) knowledge about literature domain and provides information retrieval GUI to conveniently present this knowledge to the end users. As such, LODBookRec aims to contribute towards better utilization of LOD and provide a suitable platform for on-line evaluation of information retrieval methods, especially recommender systems. LODBookRec contains a basic search GUI and several recommendation methods, with the primary focus on item-based recommendations. The results of offline evaluation indicates that content-based recommendations utilizing attribute-based similarity of books provides best item-based recommendations w.r.t. recommendation relevance for both highly popular books as well as long-tail books. However, modification of the original algorithm via maximal margin relevance increases diversity of the recommended lists with a modest relevance penalties.

  • Název v anglickém jazyce

    LODBookRec: Linked Open Data for Books Recommendation

  • Popis výsledku anglicky

    In this paper, we present the LODBookRec application. LODBookRec builds on top of Linked Open Data (LOD) knowledge about literature domain and provides information retrieval GUI to conveniently present this knowledge to the end users. As such, LODBookRec aims to contribute towards better utilization of LOD and provide a suitable platform for on-line evaluation of information retrieval methods, especially recommender systems. LODBookRec contains a basic search GUI and several recommendation methods, with the primary focus on item-based recommendations. The results of offline evaluation indicates that content-based recommendations utilizing attribute-based similarity of books provides best item-based recommendations w.r.t. recommendation relevance for both highly popular books as well as long-tail books. However, modification of the original algorithm via maximal margin relevance increases diversity of the recommended lists with a modest relevance penalties.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GJ19-22071Y" target="_blank" >GJ19-22071Y: Flexibilní modely pro hledání známé scény v rozsáhlých kolekcích videa</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2019

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Proceedings of the 9th International Conference on Web Intelligence, Mining and Semantics

  • ISBN

    978-1-4503-6190-3

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    6

  • Strana od-do

    1-6

  • Název nakladatele

    ACM

  • Místo vydání

    New York, NY, USA

  • Místo konání akce

    Seoul, Korea

  • Datum konání akce

    26. 6. 2019

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku