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”

News Recommender System based on Association Rules @ CLEF NewsREEL 2017

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21240%2F17%3A00312922" target="_blank" >RIV/68407700:21240/17:00312922 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://ceur-ws.org/Vol-1866/paper_173.pdf" target="_blank" >http://ceur-ws.org/Vol-1866/paper_173.pdf</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    News Recommender System based on Association Rules @ CLEF NewsREEL 2017

  • Popis výsledku v původním jazyce

    Digital editions of newspapers cause information overflow and users have problems choosing what they want to read. Systems which recommend news articles are suitable to solve such problems. Nevertheless, they face challenges unknown to the systems recommending books or movies such as a frequency of producing the new content. CLEF NewsREEL challenge enables to compare and evaluate news recommendation systems in an online and offline task focused on recommending articles to real users and tuning of algorithms respectively. This paper deals with an approach based on association rules acting as a classifier. In our approach we experimented with settings that allows to reduce the amount of rules used for the classification and increase the performance that is crucial for real recommendations. We evaluated our approach in both tasks of the CLEF NewsREEL 2017 challenge.

  • Název v anglickém jazyce

    News Recommender System based on Association Rules @ CLEF NewsREEL 2017

  • Popis výsledku anglicky

    Digital editions of newspapers cause information overflow and users have problems choosing what they want to read. Systems which recommend news articles are suitable to solve such problems. Nevertheless, they face challenges unknown to the systems recommending books or movies such as a frequency of producing the new content. CLEF NewsREEL challenge enables to compare and evaluate news recommendation systems in an online and offline task focused on recommending articles to real users and tuning of algorithms respectively. This paper deals with an approach based on association rules acting as a classifier. In our approach we experimented with settings that allows to reduce the amount of rules used for the classification and increase the performance that is crucial for real recommendations. We evaluated our approach in both tasks of the CLEF NewsREEL 2017 challenge.

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

  • Návaznosti

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2017

  • 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

    Working Notes of CLEF 2017 - Conference and Labs of the Evaluation Forum

  • ISBN

  • ISSN

    1613-0073

  • e-ISSN

    1613-0073

  • Počet stran výsledku

    10

  • Strana od-do

  • Název nakladatele

    CEUR Workshop Proceedings

  • Místo vydání

    Aachen

  • Místo konání akce

    Dublin

  • Datum konání akce

    11. 9. 2017

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku