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”

Content-aware Collaborative Filtering in Point-ofInterest Recommendation Systems

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21240%2F19%3A00334915" target="_blank" >RIV/68407700:21240/19:00334915 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://hi.kkui.fei.tuke.sk/daz2019/DaZ_WIKT_2019_Zbornik.pdf" target="_blank" >https://hi.kkui.fei.tuke.sk/daz2019/DaZ_WIKT_2019_Zbornik.pdf</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Content-aware Collaborative Filtering in Point-ofInterest Recommendation Systems

  • Popis výsledku v původním jazyce

    With the availability of the vast amount of users and Location-based social networks, the problem of POI recommendations has been widely studied and received significant research attention in the last years. While previous works of POI recommendation mostly focused on investigating the spatial, temporal, and social influence, the use of additional content information has not been directionally studied. In this paper, we propose the content-aware matrix factorization method based on incorporating POI attributes and categories information. We propose two variants of the algorithm that can work with an explicit and implicit feedback. Experimental results show that the proposed method improves the quality of recommendation and outperforms most state-ofthe-art collaborative filtering algorithms.

  • Název v anglickém jazyce

    Content-aware Collaborative Filtering in Point-ofInterest Recommendation Systems

  • Popis výsledku anglicky

    With the availability of the vast amount of users and Location-based social networks, the problem of POI recommendations has been widely studied and received significant research attention in the last years. While previous works of POI recommendation mostly focused on investigating the spatial, temporal, and social influence, the use of additional content information has not been directionally studied. In this paper, we propose the content-aware matrix factorization method based on incorporating POI attributes and categories information. We propose two variants of the algorithm that can work with an explicit and implicit feedback. Experimental results show that the proposed method improves the quality of recommendation and outperforms most state-ofthe-art collaborative filtering algorithms.

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

    2019

  • 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

    DATA A ZNALOSTI & WIKT 2019

  • ISBN

    978-80-553-3354-0

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    6

  • Strana od-do

    20-25

  • Název nakladatele

    Technická univerzita v Košiciach

  • Místo vydání

    Košice

  • Místo konání akce

    Košice

  • Datum konání akce

    10. 10. 2019

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku