Action Based Feature Extraction from User Logs

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F16%3A00301379" target="_blank" >RIV/68407700:21230/16:00301379 - isvavai.cz</a>

Výsledek na webu

<a href="https://docs.google.com/viewer?a=v&pid=sites&srcid=ZGVmYXVsdGRvbWFpbnxpY21sMjAxNmVyc29uYWxpemF0aW9ufGd4OjE3ZjU3NjZhN2QxOTRhMTI" target="_blank" >https://docs.google.com/viewer?a=v&pid=sites&srcid=ZGVmYXVsdGRvbWFpbnxpY21sMjAxNmVyc29uYWxpemF0aW9ufGd4OjE3ZjU3NjZhN2QxOTRhMTI</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Action Based Feature Extraction from User Logs

Popis výsledku v původním jazyce

The need of creating user profiles arises from applications like Customer Relationship Management and Web Personalization. These customer models than can be used to create machine learning models that predict user’s preference in web pages or the likelihood of him buying a product. We developed a general method that can create user profiles, that capture long term as well as short term user behaviour. By using different types of windowed features we were able to create models in the Attribute Value Learning paradigm. These models perform well in the areas of gaming as well as large news site.

Název v anglickém jazyce

Action Based Feature Extraction from User Logs

Popis výsledku anglicky

The need of creating user profiles arises from applications like Customer Relationship Management and Web Personalization. These customer models than can be used to create machine learning models that predict user’s preference in web pages or the likelihood of him buying a product. We developed a general method that can create user profiles, that capture long term as well as short term user behaviour. By using different types of windowed features we were able to create models in the Attribute Value Learning paradigm. These models perform well in the areas of gaming as well as large news site.

Druh

D - Stať ve sborníku

CEP obor

JC - Počítačový hardware a software

OECD FORD obor

—

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2016

Kód důvěrnosti údajů

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

Název statě ve sborníku

Proceedings of The 33rd International Conference on Machine Learning

ISBN

—

ISSN

1532-4435

e-ISSN

—

Počet stran výsledku

8

Strana od-do

—

Název nakladatele

Microtome Publishing

Místo vydání

Brookline

Místo konání akce

New York

Datum konání akce

24. 6. 2016

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—