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
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
ViewpointS: Towards a Collective Brain Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Recommender System Based on Fuzzy Reasoning and Information Systems

verfasst von : Martin Tabakov

Erschienen in: Computational Collective Intelligence

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

In this research a recommender system with possible applications in e-commerce, based on rule induction mechanism and fuzzy reasoning, is presented. The theoretical concept proposed assume the application of fuzzy sets in a procedure of rule induction, as an information generalization, in purpose to predict the degree of subjective customer satisfaction with respect to his previous reviews. The innovative idea lays in the transformation of decision rules into fuzzy rules, regarding to the basic Mamdani reasoning model. The research was verified on real data, i.e. customer reviews of different products.

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 Generic Framework for Collaborative Filtering Based on Social Collective Recommendation
Nächstes Kapitel Proposal of a Recommendation System for Complex Topic Learning Based on a Sustainable Design Approach
Fußnoten
1
The price attribute may not be up-to-date, but it doesn’t change the concept proposed.
 
Literatur
1.
du Boucher-Ryan, P., Bridge, D.: Collaborative recommending using formal concept analysis. Knowl.-Based Syst. 19(5), 309–315 (2006)CrossRef
2.
Breese, J., Heckerman, D., Kadie, C.: Empirical analysis of predictive algorithms for collaborative filtering. In: UAI98, pp. 43–52 (1998)
3.
Bronstein, I.N., Semendjajew, K.A., Musiol, G., Mühlig, H.: Taschenbuch der Mathematik, p. 1258. Harri Deutsch (2001)
4.
Cao, Y., Li, Y.: An intelligent fuzzy-based recommendation system for consumer electronic products. Expert Syst. Appl. 33(1), 230–240 (2007)CrossRef
5.
Cheng, L.-C., Wang, H.-A.: A fuzzy recommender system based on the integration of subjective preferences and objective information. Appl. Soft Comput. 18, 290–301 (2014)CrossRef
6.
Gediminas, 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
7.
Greg, L., Brent, S., Jeremy, Y.: Amazon.com recommendations: item-to-item collaborative filtering. IEEE Int. Comput. 7(1), 76–80 (2003)CrossRef
8.
Herlocker, J.L., Konstan, J.A., Borchers, A., Riedll, J.: An algorithmic framework for performing collaborative filtering. In: Proceedings of the 1999 Conference on Research and Development in Information Retrieval (1999)
9.
Hofmann, T.: Latent semantic models for collaborative filtering. ACM Trans. Inf. Syst. 22(1), 89–115 (2004)CrossRef
10.
Liu, D.R., Lai, C.H., Lee, W.J.: A hybrid of sequential rules and collaborative filtering for product recommendation. Inf. Sci. 179(2), 3505–3519 (2009)CrossRef
11.
Mamdani, E.H., Assilian, S.: An experiment in linguistic synthesis with a fuzzy logic controller. Int. J. Man-Mach. Stud. 7(1), 1–13 (1975)CrossRef
12.
Morawski, J., et al.: A fuzzy recommender system for public library catalogs. Int. J. Intell. 32, 1062–1084 (2017)CrossRef
13.
Pawlak, Z.: Information systems theoretical foundations. Inf. Syst. 6, 205–218 (1981)CrossRef
14.
Pawlak, Z.: Rough Sets: Theoretical Aspects of Reasoning About Data. Kluwer Academic Publishers Group, Dordrecht (1991)CrossRef
15.
Porcel, C., Herrera-Viedma, E.: Dealing with incomplete information in a fuzzy linguistic recommender system to disseminate information in university digital libraries. Knowl. Based Syst. 23(1), 32–39 (2010)CrossRef
16.
Resnick, P., Iacovou, N., Suchak, M., Bergstrom, P., Riedl, J.: GroupLens: an open architecture for collaborative filtering of netnews. In: Proceedings of ACM Conference on Computer-Supported Cooperative Work, pp. 175–186 (1994)
17.
Sarwar, B., Karypis, G., Konstan, J., Reidl, J.: Item-based collaborative filtering recommendation algorithms. In: Proceedings of the 10th International Conference on World Wide Web, Hong Kong, pp. 285–295 (2001)
18.
Schafer, J.B., Konstan, J.A., Riedl, J.: E-commerce recommendation applications. Data Min. Knowl. Disc. 5(1), 115–153 (2001)CrossRef
19.
Skowron, A., Suraj, Z.: A rough set approach to real-time state identification for decision making. Institute of computer science research, Report 18/93, Warsaw University of Technology (1993)
20.
Year, R., Martínez, L.: Fuzzy tools in recommender systems: a survey. Int. J. Comput. Intell. Syst. 10, 776–803 (2017)CrossRef
21.
Metadaten
Titel
Recommender System Based on Fuzzy Reasoning and Information Systems
verfasst von
Martin Tabakov
Copyright-Jahr
2018
Buch
Computational Collective Intelligence

Print ISBN: 978-3-319-98442-1

Electronic ISBN: 978-3-319-98443-8

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-98443-8_23