Predictability of Off-line to On-line Recommender Measures via Scaled Fuzzy Implicators

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F20%3A10416938" target="_blank" >RIV/00216208:11320/20:10416938 - isvavai.cz</a>

Výsledek na webu

<a href="https://doi.org/10.1109/FUZZ48607.2020.9177682" target="_blank" >https://doi.org/10.1109/FUZZ48607.2020.9177682</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/FUZZ48607.2020.9177682" target="_blank" >10.1109/FUZZ48607.2020.9177682</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Predictability of Off-line to On-line Recommender Measures via Scaled Fuzzy Implicators

Popis výsledku v původním jazyce

This paper introduces fuzzy Challenge Response Framework, designed to understand the relationship between the model of a real-world situation and some real observations, based on scaled fuzzy Implicators between them. This general framework is applied to a particular case in recommender systems: the prediction of on-line performance given off-line evaluation results. We perform an empirical evaluation with real data from a Czech travel agency, comparing different recommender algorithms, different metrics for on-line and offline evaluations, and different implication operators.

Název v anglickém jazyce

Predictability of Off-line to On-line Recommender Measures via Scaled Fuzzy Implicators

Popis výsledku anglicky

This paper introduces fuzzy Challenge Response Framework, designed to understand the relationship between the model of a real-world situation and some real observations, based on scaled fuzzy Implicators between them. This general framework is applied to a particular case in recommender systems: the prediction of on-line performance given off-line evaluation results. We perform an empirical evaluation with real data from a Czech travel agency, comparing different recommender algorithms, different metrics for on-line and offline evaluations, and different implication operators.

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)

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)

Rok uplatnění

2020

Kód důvěrnosti údajů

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

Název statě ve sborníku

2020 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE)

ISBN

978-1-72816-932-3

ISSN

—

e-ISSN

—

Počet stran výsledku

8

Strana od-do

1-8

Název nakladatele

IEEE

Místo vydání

Neuveden

Místo konání akce

Glasgow, United Kingdom, United Kingdom

Datum konání akce

19. 7. 2020

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—