Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
ATZ-Fachkongress

Chassis.tech plus 2024


4 Kongresse in einer Veranstaltung

Treffen Sie in München die Fachleute von Chassis, Lenkung, Bremsen sowie Reifen/Räder.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
The Knowledge Increase Estimation Framework for Ontology Integration on the Instance Level Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

International Business Matching Using Word Embedding

verfasst von : Didier Gohourou, Daiki Kurita, Kazuhiro Kuwabara, Hung-Hsuan Huang

Erschienen in: Intelligent Information and Database Systems

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Recommender systems, which help users discover information or knowledge they might need without requiring them to have specific previous knowledge, are gaining popularity in our age of information overload. In addition, natural language processing techniques like word embedding offer new possibilities for extracting information from a massive amount of text data. This work explores the possibility of applying word embedding as the foundation for a recommender system to help international businesses identify appropriate counterparts for their activities. In this paper, we describe our system and report preliminary experiments using Wikipedia as a corpus. Our experiments attempt to provide answers to support business decision makers when they are considering entering a relatively unknown market and are seeking better understanding or appropriate partners. Our experiment shows promising results that will pave the way for future research.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel A Consensus-Based Method to Enhance a Recommendation System for Research Collaboration
Nächstes Kapitel Mixture Seeding for Sustainable Information Spreading in Complex Networks
Fußnoten
Literatur
1.
Adomavicius, G., Tuzhilin, A.: Toward the next generation of recommender systems: a survey of the state-of-the-art and possible extensions. IEEE Trans. Knowl. Data Eng. 17(6), 734–749 (2005)CrossRef
2.
Barkan, O., Koenigstein, N.: Item2vec: neural item embedding for collaborative filtering. CoRR abs/1603.04259 (2016)
3.
Eickhoff, C., Harris, C.G., de Vries, A.P., Srinivasan, P.: Quality through flow and immersion: gamifying crowdsourced relevance assessments. In: Proceedings of the 35th International ACM SIGIR Conference on Research and Development in Information Retrieval, SIGIR 2012, pp. 871–880. ACM, New York (2012)
4.
Green, S., Andrews, N., Gormley, M.R., Dredze, M., Manning, C.D.: Entity clustering across languages. In: Proceedings of the 2012 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, NAACL HLT 2012, pp. 60–69. Association for Computational Linguistics, Stroudsburg (2012)
5.
Kurita, D., Roengsamut, B., Kuwabara, K., Huang, H.-H.: Knowledge base refinement with gamified crowdsourcing. In: Nguyen, N.T., Trawiński, B., Fujita, H., Hong, T.-P. (eds.) ACIIDS 2016, Part I. LNCS (LNAI), vol. 9621, pp. 33–42. Springer, Heidelberg (2016). doi:10.​1007/​978-3-662-49381-6_​4 CrossRef
6.
Mikolov, T., Chen, K., Corrado, G., Dean, J.: Efficient estimation of word representations in vector space. In: Proceedings of Workshop at ICLR (2013)
7.
Musto, C., Semeraro, G., de Gemmis, M., Lops, P.: Word embedding techniques for content-based recommender systems: an empirical evaluation. In: RecSys 2015 Poster Proceedings, September 2015
8.
Musto, C., Semeraro, G., de Gemmis, M., Lops, P.: Learning word embeddings from wikipedia for content-based recommender systems. In: Ferro, N., Crestani, F., Moens, M.-F., Mothe, J., Silvestri, F., Nunzio, G.M., Hauff, C., Silvello, G. (eds.) ECIR 2016. LNCS, vol. 9626, pp. 729–734. Springer, Heidelberg (2016). doi:10.​1007/​978-3-319-30671-1_​60 CrossRef
9.
Ozsoy, M.G.: From word embeddings to item recommendation. CoRR abs/1601.01356 (2016)
10.
Pennington, J., Socher, R., Manning, C.D.: Glove: global vectors for word representation. In: Empirical Methods in Natural Language Processing (EMNLP), pp. 1532–1543 (2014)
11.
Phi, V.T., Chen, L., Hirate, Y.: Distributed representation based recommender systems in e-commerce. In: DEIM Forum 2016, C8-1 (2016)
12.
Zhang, X., Wang, H.: Study on recommender systems for business to business electronic commerce. Commun. IIMA 5(4), 53–62 (2005)
Metadaten
Titel
International Business Matching Using Word Embedding
verfasst von
Didier Gohourou
Daiki Kurita
Kazuhiro Kuwabara
Hung-Hsuan Huang
Copyright-Jahr
2017
Buch
Intelligent Information and Database Systems

Print ISBN: 978-3-319-54471-7

Electronic ISBN: 978-3-319-54472-4

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-54472-4_18

Premium Partner

    Bildnachweise