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:
Green IT and Environmental Sustainability Issues Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

MAICBR: A Multi-agent Intelligent Content-Based Recommendation System

verfasst von : Aarti Singh, Anu Sharma

Erschienen in: Information and Communication Technology for Sustainable Development

Verlag: Springer Singapore

Einloggen

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

search-config
loading …

Abstract

This study aims at proposing an intelligent and adaptive mechanism deploying intelligent agents for solving new user and overspecialization problems that exist in Content Based Recommendation (CBR) systems. Since the system is designed using software agents (SAs), it ensures highly desired full automation in web recommendations. The proposed system has been evaluated and the results suggested that there is an improvement in positive feedback rate and the decrease in recommendation rate.

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 Secured Neighbour Discovery Using Trilateration in Mobile Sensor Networks
Nächstes Kapitel HMM-Based IDS for Attack Detection and Prevention in MANET
Literatur
1.
Singh, A., Sharma, A., Dey, N.: Semantics and agents oriented web personalization –state of the art. International Journal of Service Science, Management, Engineering, and Technology (IJSSMET), 6(2), 35–49 (2015)
2.
Park, D. H., Kim, H. K., Choi, I. Y., Kim, J. K.: A literature review and classification of recommender systems research. Expert Syst. App., 39, 10059–10072 (2012)
3.
Anand, S. S., Mobasher, B.: Intelligent Techniques for Web Personalization. In: Intelligent Techniques for Web Personalization, Springer, 1–36 (2005)
4.
Sarwar, B. M., Konstan, J. A., Borchers, N., HerIocker, J., Miller, B. Miller, Riedl, J.: Using Filtering Agents to Improve Prediction Quality in the GroupLens Research Collaborative Filtering System, In: Proceedings in CSCW’98 Seattle, Washington, USA, 345–354 (1998)
5.
Debnath, S., Ganguly, N., Mitra P.: Feature Weighting in Content Based Recommendation System Using Social Network Analysis, In: Proceedings in WWW 2008, Beijing, China, 1041–1042 (2008)
6.
Eirinaki, M., Vazirgiannis, M., Varlamis, I.: SEWeP: Using Site Semantics and a Taxonomy to Enhance the Web Personalization Process, In: Proceedings in SIGKDD ’03, Washington DC, USA, 99–108 (2003)
7.
Singh, A. Juneja, D., Sharma, A. K.: Design of an intelligent and adaptive mapping mechanism for multiagent Interface. In: proceedings in International Conference on High Performance Architecture and Grid Computing (HPAGC’11), 373–384 (2011)
8.
Albayrak, S., Wollny, S., Varone, N., Lommatzsch, A., Milosevic, D.: Agent Technology for Personalized Information Filtering: The PIA-System. In: ACM Symposium on Applied Computing, 54–59 (2005)
9.
Miao, C, Yang Q., Fang H., Goh. A.: A cognitive approach for agent-based personalized recommendation. Knowl-Based Syst., 20(4), 397–405 (2007)
10.
Huang, L., Dai, L., Wei, Y., Huang, M.: A personalized recommendation system based on multi-Agent. In: Proceedings in Second International Conference on Genetic and Evolutionary Computing, 223–226 (2008)
11.
Pan, P., Wang, C., Horng, G., Cheng, S.: The Development of an ontology-based adaptive personalized recommender system, In: Proceedings in International Conference on Electronics and Information Engineering (ICEIE 2010), vol. 1, V176–V180 (2010)
12.
Ge, J., Chen, Z., Peng, J., Li, T.: An ontology-based method for personalized recommendation. In: Proceedings in 11th IEEE Int. Conf. on Cognitive Informatics & Cognitive Computing, 522–526 (2012)
13.
Blanco-Fernández, Y., López-Nores, M., Gil-Solla, A., Ramos-Cabrer, M., Pazos-Arias, J. J.: Exploring synergies between content-based filtering and spreading activation techniques in knowledge-based recommender systems. Inform Sciences, 181(21), 4823–4846 (2011)
14.
Kahara, T., Haataja, K., Toivanen, P.: Towards more accurate and intelligent recommendation Systems. In: Proceedings in 13th International Conference on Intelligent Systems Design and Applications (ISDA), 165–171 (2013)
15.
Maleszka, M., Mianowska, B., Nguyen, N. T.: A method for collaborative recommendation using knowledge integration tools and hierarchical structure of user profiles. Knowl-Based Syst., 47, 1–13 (2013)
16.
Han, J., M. Kamber: Data Mining: Concepts and Techniques, 2nd edition, Morgan Kaufmann Publisher, ISBN 1-55860-901-6. (2006)
17.
Rocha, C., Schawabe, D., Poggi, M.: A hybrid approach for searching in the semantic web. In: Proceedings in 13th International World Wide Web Conference (WWW-04), 74–84 (2004)
18.
Anyanwu, K., Sheth A.: ρ-Queries: enabling querying for semantic associations on the semantic web. In: 12th International World Wide Web Conference (WWW-03), 115–125 (2003)
Metadaten
Titel
MAICBR: A Multi-agent Intelligent Content-Based Recommendation System
verfasst von
Aarti Singh
Anu Sharma
Copyright-Jahr
2018
Verlag
Springer Singapore
Buch
Information and Communication Technology for Sustainable Development

Print ISBN: 978-981-10-3919-5

Electronic ISBN: 978-981-10-3920-1

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-981-10-3920-1_41

Premium Partner

    Bildnachweise