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:
Modeling Relevance as a Function of Retrieval Rank Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

User Model Enrichment for Venue Recommendation

verfasst von : Mohammad Aliannejadi, Ida Mele, Fabio Crestani

Erschienen in: Information Retrieval Technology

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

An important task in recommender systems is suggesting relevant venues in a city to a user. These suggestions are usually created by exploiting the user’s history of preferences, which are, for example, collected in previously visited cities. In this paper, we first introduce a user model based on venues’ categories and their descriptive keywords extracted from Foursquare tips. Then, we propose an enriched user model which leverages the users’ reviews from Yelp. Our participation in the TREC 2015 Contextual Suggestion track, confirmed that our model outperforms other approaches by a significant margin.

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 Scrutinizing Mobile App Recommendation: Identifying Important App-Related Indicators
Nächstes Kapitel Learning Distributed Representations for Recommender Systems with a Network Embedding Approach
Fußnoten
Literatur
1.
Aliannejadi, M., Bahrainian, S.A., Giachanou, A., Crestani, F., University of lugano at TREC 2015: Contextual suggestion and temporal summarization tracks. In: TREC, Gaithersburg, Maryland, USA, November 2015
2.
Chen, G., Chen, L.: Recommendation based on contextual opinions. In: Dimitrova, V., Kuflik, T., Chin, D., Ricci, F., Dolog, P., Houben, G.-J. (eds.) UMAP 2014. LNCS, vol. 8538, pp. 61–73. Springer, Heidelberg (2014)
3.
Chen, L., Chen, G., Wang, F.: Recommender systems based on user reviews: the state of the art. User Model. User-Adap. Inter. 25(2), 99–154 (2015)CrossRef
4.
Cheng, C., Yang, H., King, I., Lyu, M.R.: Fused matrix factorization with geographical and social influence in location-based social networks. In: AAAI, Toronto, Canada, July 2012
5.
Cortes, C., Vapnik, V.: Support-vector networks. Mach. Learn. 20(3), 273–297 (1995)MATH
6.
Dean-Hall, A., Clarke, C.L.A., Kamps, J., Kiseleva, J., Voorhees, E.M.: Overview of the TREC 2015 contextual suggestion track. In: TREC, Gaithersburg, USA, November 2015
7.
Esparza, S.G., O’Mahony, M.P., Smyth, B.: On the real-time web as a source of recommendation knowledge. In: RecSys, Barcelona, Spain, pp. 305–308 September 2010
8.
Gao, H., Tang, J., Hu, X., Liu, H.: Exploring temporal effects for location recommendation on location-based social networks. In: RecSys, Hong Kong, China, pp. 93–100, October 2013
9.
Griesner, J., Abdessalem, T., Naacke, H.: POI recommendation: towards fused matrix factorization with geographical and temporal influences. In: RecSys, Vienna, Austria, pp. 301–304, September 2015
10.
Hariri, N., Zheng, Y., Mobasher, B., Burke, R.: Context-aware recommendation based on review mining. In: Proceedings of the 9th Workshop on Intelligent Techniques for Web Personalization and Recommender Systems (2011)
11.
McCreadie, R., Vargas, S., MacDonald, C., Ounis, I., Mackie, S., Manotumruksa, J., McDonald, G.: University of glasgow at TREC 2015: experiments with terrier in contextual suggestion, temporal summarisation and dynamic domain tracks. In: TREC, Gaithersburg, USA, November 2015
12.
Rikitianskii, A., Harvey, M., Crestani, F.: A personalised recommendation system for context-aware suggestions. In: de Rijke, M., Kenter, T., de Vries, A.P., Zhai, C.X., de Jong, F., Radinsky, K., Hofmann, K. (eds.) ECIR 2014. LNCS, vol. 8416, pp. 63–74. Springer, Heidelberg (2014)CrossRef
13.
Su, X., Khoshgoftaar, T.M.: A survey of collaborative filtering techniques. Adv. Artif. Intell. 2009, 421425:1–421425:19 (2009)CrossRef
14.
Yang, P., Fang, H.: University of delaware at TREC 2015: combining opinion profile modeling with complex context filtering for contextual suggestion. In: TREC, Gaithersburg, USA, November 2015
15.
Yuan, Q., Cong, G., Ma, Z., Sun, A., Magnenat-Thalmann, N.: Time-aware point-of-interest recommendation. In: SIGIR, Dublin, Ireland, pp. 363–372, July 2013
Metadaten
Titel
User Model Enrichment for Venue Recommendation
verfasst von
Mohammad Aliannejadi
Ida Mele
Fabio Crestani
Copyright-Jahr
2016
Buch
Information Retrieval Technology

Print ISBN: 978-3-319-48050-3

Electronic ISBN: 978-3-319-48051-0

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-3-319-48051-0_16

Neuer Inhalt

    Bildnachweise