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
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Motor Imagery Task Classification Using a Signal-Dependent Orthogonal Transform Based Feature Extraction Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

A Recommendation System Based on Unsupervised Topological Learning

verfasst von : Issam Falih, Nistor Grozavu, Rushed Kanawati, Younès Bennani

Erschienen in: Neural Information Processing

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

Recommendation systems provide the facility to understand a person’s taste and find new, desirable content for them based on aggregation between their likes and rating of different items. In this paper, we propose a recommendation system that predict the note given by a user to an item. This recommendation system is mainly based on unsupervised topological learning. The proposed approach has been validated on MovieLens dataset and the obtained results have show very promising performances.

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 Spectral Clustering Trough Topological Learning for Large Datasets
Nächstes Kapitel Online Training of an Opto-Electronic Reservoir Computer
Literatur
1.
Amelio, A., Pizzuti, C.: A cooperative evolutionary approach to learn communities in multilayer networks. In: Bartz-Beielstein, T., Branke, J., Filipič, B., Smith, J. (eds.) PPSN 2014. LNCS, vol. 8672, pp. 222–232. Springer, Heidelberg (2014)
2.
Berlingerio, M., Pinelli, F., Calabrese, F.: Abacus: frequent pattern mining-based community discovery in multidimensional networks. Data Min. Knowl. Discov. 27(3), 294–320 (2013)MathSciNetCrossRefMATH
3.
Bishop, C.M., Svensén, M., Williams, C.K.I.: GTM: the generative topographic mapping. Neural Comput. 10(1), 215–234 (1998)CrossRefMATH
4.
Dwork, C., Kumar, R., Naor, M., Sivakumar, D.: Rank aggregation methods for the web. In: Proceedings of the 10th International Conference on World Wide Web, pp. 613–622. ACM (2001)
5.
Falih, I., Hmimida, M., Kanawati, R.: Une approche centrée graine pour la détection de communautés dans les réseaux multiplexes. Revue des Nouvelles Technologies de l’Information Extraction et Gestion des Connaissances, RNTI-E-28, pp. 377–382 (2015)
6.
Ghassany, M., Grozavu, N., Bennani, Y.: Collaborative multi-view clustering. In: The 2013 International Joint Conference on Neural Networks (IJCNN), pp. 1–8, August 2013
7.
Good, B.H., de Montjoye, Y.A., Clauset, A.: The performance of modularity maximization in practical contexts. Phys. Rev. E 81, 046106 (2010)MathSciNetCrossRef
8.
Jannach, D., Zanker, M., Felfernig, A., Friedrich, G.: Recommender Systems - An Introduction. Cambridge University Press, Cambridge (2010)CrossRef
9.
Kanawati, R.: Seed-centric approaches for community detection in complex networks. In: Meiselwitz, G. (ed.) SCSM 2014. LNCS, vol. 8531, pp. 197–208. Springer, Heidelberg (2014)
10.
11.
Lambiotte, R.: Multi-scale modularity in complex networks. In: WiOpt, pp. 546–553. IEEE (2010)
12.
Mucha, P.J., Richardson, T., Macon, K., Porter, M.A., Onnela, J.P.: Community structure in time-dependent, multiscale, and multiplex networks. Science 328(5980), 876–878 (2010)MathSciNetCrossRefMATH
13.
Reichardt, J., Bornholdt, S.: Statistical mechanics of community detection. Phys. Rev. E 74(1) (2006)
14.
Resnick, P., Iacovou, N., Suchak, M., Bergstrom, P., Riedl, J.: Grouplens: an open architecture for collaborative filtering of netnews. In: Proceedings of the 1994 ACM Conference on Computer Supported Cooperative Work, CSCW 1994, pp. 175–186. ACM (1994)
15.
Rogovschi, N., Labiod, L., Nadif, M.: A spectral algorithm for topographical co-clustering. In: The 2012 International Joint Conference on Neural Networks (IJCNN), Brisbane, Australia, 10–15 June 2012, pp. 1–6 (2012)
16.
Sarwar, B., Karypis, G., Konstan, J., Riedl, J.: Item-based collaborative filtering recommendation algorithms. In: Proceedings of the 10th International Conference on World Wide Web, pp. 285–295. ACM (2001)
17.
Strehl, A., Ghosh, J., Cardie, C.: Cluster ensembles - a knowledge reuse framework for combining multiple partitions. J. Mach. Learn. Res. 3, 583–617 (2002)MathSciNetMATH
18.
Suthers, D.D., Fusco, J., Schank, P.K., Chu, K.H., Schlager, M.S.: Discovery of community structures in a heterogeneous professional online network. In: HICSS, pp. 3262–3271. IEEE (2013)
19.
Tang, L., Liu, H.: Community Detection and Mining in Social Media. Synthesis Lectures on Data Mining and Knowledge Discovery. Morgan and Claypool Publishers, San Francisco (2010)
20.
Yakoubi, Z., Kanawati, R.: LICOD: a leader-driven algorithm for community detection in complex networks. Vietnam J. Comput. Sci. 1(4), 241–256 (2014)CrossRef
Metadaten
Titel
A Recommendation System Based on Unsupervised Topological Learning
verfasst von
Issam Falih
Nistor Grozavu
Rushed Kanawati
Younès Bennani
Copyright-Jahr
2015
Buch
Neural Information Processing

Print ISBN: 978-3-319-26534-6

Electronic ISBN: 978-3-319-26535-3

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-319-26535-3_26

Premium Partner

    Bildnachweise