.png){kind=icon}
返回
A General Framework for Collective Recommendation System Using Dynamic Users Clustering
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-10202-7_3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
由于信息过载，我们习惯于电子商务、信息或音乐系统等大多数系统中存在的个性化和推荐技术。它们旨在过滤掉无关信息，仅显示准确的项目。从长远来看，这种方法可以缩小结果范围，产生过滤气泡效应，并在社交网络中造成两极分化。该问题的最流行解决方案是信息或项目多样化，但这可能导致推荐准确度下降。在本文中，我们描述了一个集体推荐系统的总体思路，该系统旨在保持用户兴趣的最新信息，以便向他们推荐准确的项目。该系统将具有相似兴趣和动态的用户进行聚类。主要贡献是分析重新排列动态用户聚类的条件，并讨论其在重新聚类任务中的实用性。
Keyword:
Cluster Dynamic Users
User Profile
Personalization
Cluster Consistency
期刊
A
IF:
0
论文数:
33
被引数:
0
机构
引用论文
.png){kind=icon}
Echo Chambers in the Age of Algorithms: An Audit of Twitter’s Friend Recommender System算法时代的回声室：对Twitter好友推荐系统的审计
PREAI
分享收藏分享收藏分享收藏分享收藏
查看更多内容