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:
Generation of Similar Traffic Using GAN for Resolving Data Imbalance Kapitel lesen Erstes Kapitel lesen

2020 | OriginalPaper | Buchkapitel

Movie Recommendation System Using Social Network Analysis and k-Nearest Neighbor

verfasst von : Khamphaphone Xinchang, Doo-Soon Park, Phonexay Vilakone

Erschienen in: Advances in Computer Science and Ubiquitous Computing

Verlag: Springer Singapore

Einloggen

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

search-config
loading …

Abstract

Many types of research have been conducted in recommendation system to develop approaches to solve the challenges for collaborative filtering problem such as cold start problem; in this paper, we proposed the approach to solving the problem of collaborative by using social network analysis and k-nearest neighbor (k-NN). We used the centrality of social network to detect the community or cluster group to the user, and then apply the k-NN method to find a group for new users with similar personal information such as age, gender, and occupation after that recommendation system will recommend items that users in the group were previously interested for the new.

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 Developing Interactive Planning Methodology for EPC Projects
Nächstes Kapitel A Framework for Learning the Pricing Model of Sensing Tasks in Crowdphotographing
Literatur
1.
Park, D.H., Kim, H.K., Choi, I.Y., Kim, J.K.: A review and classification of recommender systems research. In: 2011 International Conference on Social Science and Humanity, IPDR vol. 5 (2011). IACSIT Press, Singapore © (2011)
2.
Wang, J., Zhang, N.Y., Yin, J.: Collaborative filtering recommendation based on fuzzy clustering of user preference. In: 2010 Seventh International Conference on Fuzzy Systems and Knowledge Discovery (FSKD 2010) (2010)
3.
Ye, F., Zhang, H.: A collaborative filtering recommendation based on users’ interest and correlation of items. In: International Conference on Audio, Language and Image Processing (ICALIP), July 2016
4.
Tiwari, S.K., Shivastava, S.K.: An approach for recommender system by combining collaborative filtering with user demographics and items genres. Int. J. Comput. Appl. 128(13), 16–24 (2015). (0975-8887)
5.
Yongchang, W., Ligu, Z.: Research on collaborative filtering recommendation algorithm based on mahout. In: 2016 4th International Conference on Applied Computing and Information Technology/3rd International Conference on Computational Science/Intelligence and Applied Informatics/1st International Conference on Big Data, Cloud Computing, Data Science & Engineering. IEEE (2016)
6.
7.
Girvan, M., Newman, M.E.J.: Community structure in social and biological networks. PNAS 99(12), 7821–7826 (2002)MathSciNetCrossRef
8.
Miller, B.N., Albert, I., Lam, S.K., et al.: MovieLens unplugged: experiences with an occasionally connected recommender system. In: Proceedings of the 8th International Conference on Intelligent User Interfaces, pp. 263–266. ACM (2003)
9.
Parvatikan, S., Joshi, B.: Online book recommendation system by using collaborative filtering and association mining. In: IEEE International Conference on Computational Intelligence and Computing Research (ICCCI), December 2015
Metadaten
Titel
Movie Recommendation System Using Social Network Analysis and k-Nearest Neighbor
verfasst von
Khamphaphone Xinchang
Doo-Soon Park
Phonexay Vilakone
Copyright-Jahr
2020
Verlag
Springer Singapore
Buch
Advances in Computer Science and Ubiquitous Computing

Print ISBN: 978-981-13-9340-2

Electronic ISBN: 978-981-13-9341-9

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-981-13-9341-9_104

Neuer Inhalt

    Bildnachweise