Session Based Recommendations Using Char-Level Recurrent Neural Networks

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F62690094%3A18450%2F21%3A50018453" target="_blank" >RIV/62690094:18450/21:50018453 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-030-88113-9_3" target="_blank" >http://dx.doi.org/10.1007/978-3-030-88113-9_3</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-030-88113-9_3" target="_blank" >10.1007/978-3-030-88113-9_3</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Session Based Recommendations Using Char-Level Recurrent Neural Networks

Popis výsledku v původním jazyce

The use of long short-term memory (LSTM) for session-based recommendations is described in this research. This study uses char-level LSTM as a real-time recommendation service to test and offer the optimal solution. Our strategy can be used to any situation. Two LSTM layers and a thick layer make up our model. To evaluate the prediction results, we use the mean of squared errors. We also put our recall and precision metrics prediction to the test. The best-performing network had roughly 2000 classes and was a trainer for the last year of likes on an image-based social platform. On twenty objects, our best model had a recall value of 0.182 and a precision value of 0.061. © 2021, Springer Nature Switzerland AG.

Název v anglickém jazyce

Session Based Recommendations Using Char-Level Recurrent Neural Networks

Popis výsledku anglicky

The use of long short-term memory (LSTM) for session-based recommendations is described in this research. This study uses char-level LSTM as a real-time recommendation service to test and offer the optimal solution. Our strategy can be used to any situation. Two LSTM layers and a thick layer make up our model. To evaluate the prediction results, we use the mean of squared errors. We also put our recall and precision metrics prediction to the test. The best-performing network had roughly 2000 classes and was a trainer for the last year of likes on an image-based social platform. On twenty objects, our best model had a recall value of 0.182 and a precision value of 0.061. © 2021, Springer Nature Switzerland AG.

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

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2021

Kód důvěrnosti údajů

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

Název statě ve sborníku

Communications in Computer and Information Science

ISBN

978-3-030-88112-2

ISSN

1865-0929

e-ISSN

—

Počet stran výsledku

12

Strana od-do

30-41

Název nakladatele

Springer Science and Business Media Deutschland GmbH

Místo vydání

Cham

Místo konání akce

On-line

Datum konání akce

29. 9. 2021

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—