Combining different metadata views for better recommendation accuracy (2019)
- Authors:
- Autor USP: MANZATO, MARCELO GARCIA - ICMC
- Unidade: ICMC
- DOI: 10.1016/j.is.2019.01.008
- Subjects: RECUPERAÇÃO DA INFORMAÇÃO; RECONHECIMENTO DE TEXTO
- Keywords: Recommender systems; Item representation; Unstructured metadata
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Publisher place: Kidlington
- Date published: 2019
- Source:
- Título: Information Systems
- ISSN: 0306-4379
- Volume/Número/Paginação/Ano: v. 83, p. 1-12, July 2019
- Este periódico é de assinatura
- Este artigo NÃO é de acesso aberto
- Cor do Acesso Aberto: closed
-
ABNT
D'ADDIO, Rafael Martins e MARINHO, Ronnie Shida e MANZATO, Marcelo Garcia. Combining different metadata views for better recommendation accuracy. Information Systems, v. 83, p. 1-12, 2019Tradução . . Disponível em: https://doi.org/10.1016/j.is.2019.01.008. Acesso em: 02 out. 2024. -
APA
D'Addio, R. M., Marinho, R. S., & Manzato, M. G. (2019). Combining different metadata views for better recommendation accuracy. Information Systems, 83, 1-12. doi:10.1016/j.is.2019.01.008 -
NLM
D'Addio RM, Marinho RS, Manzato MG. Combining different metadata views for better recommendation accuracy [Internet]. Information Systems. 2019 ; 83 1-12.[citado 2024 out. 02 ] Available from: https://doi.org/10.1016/j.is.2019.01.008 -
Vancouver
D'Addio RM, Marinho RS, Manzato MG. Combining different metadata views for better recommendation accuracy [Internet]. Information Systems. 2019 ; 83 1-12.[citado 2024 out. 02 ] Available from: https://doi.org/10.1016/j.is.2019.01.008 - Uma arquitetura de personalização de conteúdo baseada em anotações do usuário
- Incorporating semantic item representations to soften the cold start problem
- Evaluating the combination of multiple metadata types in movies recommendation
- Semantic organization of user's reviews applied in recommender systems
- CoBaR: confidence-based recommender
- Ensemble learning in recommender systems: combining multiple user interactions for ranking personalization
- Exploiting feature extraction techniques on users' reviews for movies recommendation
- Exploiting item representations for soft clustering recommendation
- Exploiting personalized calibration and metrics for fairness recommendation
- Case recommender: a recommender framework
Informações sobre o DOI: 10.1016/j.is.2019.01.008 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas