Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
Zur Ablage hinzufügen
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  Unifying Colloborative and Content-Based Filtering.

Basilico, J., & Hofmann, T. (2004). Unifying Colloborative and Content-Based Filtering. Proceedings of the 21st International Conference on Machine Learning, 65.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/11858/00-001M-0000-0013-F376-4 Versions-Permalink: https://hdl.handle.net/11858/00-001M-0000-0013-F377-2
Genre: Konferenzbeitrag

Externe Referenzen

einblenden:

Urheber

einblenden:
ausblenden:
 Urheber:
Basilico, J, Autor
Hofmann, T1, Autor           
Greiner D. Schuurmans, R., Herausgeber
Affiliations:
1Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society, ou_1497795              

Inhalt

einblenden:
ausblenden:
Schlagwörter: -
 Zusammenfassung: Collaborative and content-based filtering are two paradigms that have been applied in the context of recommender systems and user preference prediction. This paper proposes a novel, unified approach that systematically integrates all available training information such as past user-item ratings as well as attributes of items or users to learn a prediction function. The key ingredient of our method is the design of a suitable kernel or similarity function between user-item pairs that allows simultaneous generalization across the user and item dimensions. We propose an on-line algorithm (JRank) that generalizes perceptron learning. Experimental results on the EachMovie data set show significant improvements over standard approaches.

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2004
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: BibTex Citekey: 2739
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: ICLM 2004
Veranstaltungsort: Banff, Alberta, Canada
Start-/Enddatum: -

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: Proceedings of the 21st International Conference on Machine Learning
Genre der Quelle: Zeitschrift
 Urheber:
Affiliations:
Ort, Verlag, Ausgabe: New York, USA : ACM Press
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: 65 Identifikator: -