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
—