Đăng nhập
Tìm kiếm nâng cao
Tên bài báo
Tác giả
Năm xuất bản
Tóm tắt
Lĩnh vực
Phân loại
Số tạp chí

Bản tin định kỳ
Báo cáo thường niên
Tạp chí khoa học ĐHCT
Tạp chí tiếng anh ĐHCT
Tạp chí trong nước
Tạp chí quốc tế
Kỷ yếu HN trong nước
Kỷ yếu HN quốc tế
Book chapter
Bài báo - Tạp chí
2 (2018) Trang: 39-44
Tạp chí: nternational Conference on Machine Learning and Soft Computing

Collaborative filtering is one of the most popular and effective techniques available today in the recommender system. However, most of them use symmetric similarity measures. Therefore, the default effect and the role of the pair of users are the same, but in practice this may not be true. In addition, they only logically demonstrate the existence of a priority relationship between two users rather than the level of the relationship in practice. In this paper, we propose a new approach for the collaborative filtering based on the variation analysis of the implication index. An asymmetric measure is developed which can be used to rank or filter information based on the variation of the implication index by a counter-example. This measure provides a meaningful recommendation with a certain level of implication. Experimental results shown that the proposed approach can overcome the drawbacks in the traditional recommender systems.

Các bài báo khác
8(3) (2018) Trang: 214-222
Tạp chí: International Journal of Machine Learning and Computing
(2017) Trang: 372-379
Tạp chí: Hội thảo khoa học quốc gia về một số vấn đề chọn lọc của CNTT&TT (@ 2017)
(2017) Trang: 938-950
Tạp chí: Hội nghị Quốc gia về nghiên cứu cơ bản và ứng dụng công nghệ thông tin lần thứ 10 (FAIR 2017) nghị Quốc gia về nghiên cứu cơ bản và ứng dụng công nghệ thông tin lần thứ 10 (FAIR 2017)

Vietnamese | English

Vui lòng chờ...