Reducing Cold Start Problems in Educational Recommender Systems

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21240%2F16%3A00302590" target="_blank" >RIV/68407700:21240/16:00302590 - isvavai.cz</a>
Výsledek na webu
<a href="http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=7727600&isnumber=7726591" target="_blank" >http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=7727600&isnumber=7726591</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/IJCNN.2016.7727600" target="_blank" >10.1109/IJCNN.2016.7727600</a>

Jazyk výsledku
angličtina
Název v původním jazyce
Reducing Cold Start Problems in Educational Recommender Systems
Popis výsledku v původním jazyce
Educational data can help us to personalise university information systems. In this paper, we show how educational data can be used to improve the performance of interaction-based recommender systems. Educational data is transformed to student profiles helping to prevent cold start problems when recommending projects to students with few user interactions. Our results show that our hybrid interaction based recommender boosted by educational profiles significantly outperforms bestseller recommendation, which is a mainstream recommendation method for cold start users.
Název v anglickém jazyce
Reducing Cold Start Problems in Educational Recommender Systems
Popis výsledku anglicky
Educational data can help us to personalise university information systems. In this paper, we show how educational data can be used to improve the performance of interaction-based recommender systems. Educational data is transformed to student profiles helping to prevent cold start problems when recommending projects to students with few user interactions. Our results show that our hybrid interaction based recommender boosted by educational profiles significantly outperforms bestseller recommendation, which is a mainstream recommendation method for cold start users.

Rok uplatnění
2016
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku
2016 International Joint Conference on Neural Networks (IJCNN)
ISBN
978-1-5090-0620-5
ISSN
2161-4407
e-ISSN
—
Počet stran výsledku
7
Strana od-do
3143-3149
Název nakladatele
American Institute of Physics and Magnetic Society of the IEEE
Místo vydání
San Francisco
Místo konání akce
Vancouver
Datum konání akce
24. 7. 2016
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—

Podobné výsledky(10)