Zum Inhalt

Trust Your Neighbors: A Comprehensive Survey of Neighborhood-Based Methods for Recommender Systems

  • 2022
  • OriginalPaper
  • Buchkapitel
Erschienen in:

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

search-config
loading …

Abstract

Das Kapitel stellt das Konzept nachbarschaftsbasierter Methoden für Empfehlungssysteme vor, die das Prinzip automatisieren, dass ähnliche Benutzer ähnliche Gegenstände bevorzugen. Es deckt die beiden Hauptkategorien von Nachbarschaftsmethoden ab: benutzerbasiert und item-basiert. Der benutzerbasierte Ansatz stützt sich auf die Meinungen gleichgesinnter Benutzer, während die item-basierte Methode Bewertungen ähnlicher Artikel betrachtet. Das Kapitel untersucht auch die Vorteile nachbarschaftsbasierter Methoden wie Einfachheit, Rechtfertigung und Effizienz. Darüber hinaus vertieft er sich in die Herausforderungen der Datenspärlichkeit und begrenzten Abdeckung und präsentiert fortgeschrittene Techniken wie lernbasierte und graphenbasierte Methoden, um diese Probleme zu überwinden. Das Kapitel schließt mit einer Zusammenfassung der wichtigsten Merkmale und Methoden nachbarschaftsbezogener Empfehlungen und bietet einen Fahrplan für die effektive Umsetzung solcher Systeme.

Sie sind noch kein Kunde? Dann Informieren Sie sich jetzt über unsere Lizenzmodelle:

Einzelzugang

Starten Sie jetzt Ihren persönlichen Einzelzugang. Erhalten Sie sofortigen Zugriff auf mehr als 170.000 Bücher und 540 Zeitschriften - pdf-Downloads und Neu-Erscheinungen inklusive.

Jetzt ab 54,00 € pro Monat!                                        

Mehr erfahren

Zugang für Unternehmen

Nutzen Sie Springer Professional in Ihrem Unternehmen und geben Sie Ihren Mitarbeitern fundiertes Fachwissen an die Hand. Fordern Sie jetzt Informationen für Firmenzugänge an.

Erleben Sie, wie Springer Professional Sie in Ihrer Arbeit unterstützt!

Beraten lassen
Titel
Trust Your Neighbors: A Comprehensive Survey of Neighborhood-Based Methods for Recommender Systems
Verfasst von
Athanasios N. Nikolakopoulos
Xia Ning
Christian Desrosiers
George Karypis
Copyright-Jahr
2022
Verlag
Springer US
DOI
https://doi.org/10.1007/978-1-0716-2197-4_2
Dieser Inhalt ist nur sichtbar, wenn du eingeloggt bist und die entsprechende Berechtigung hast.
Dieser Inhalt ist nur sichtbar, wenn du eingeloggt bist und die entsprechende Berechtigung hast.
    Bildnachweise
    AvePoint Deutschland GmbH/© AvePoint Deutschland GmbH, ams.solutions GmbH/© ams.solutions GmbH, Wildix/© Wildix, arvato Systems GmbH/© arvato Systems GmbH, Ninox Software GmbH/© Ninox Software GmbH, Nagarro GmbH/© Nagarro GmbH, GWS mbH/© GWS mbH, CELONIS Labs GmbH, USU GmbH/© USU GmbH, G Data CyberDefense/© G Data CyberDefense, Vendosoft/© Vendosoft, Kumavision/© Kumavision, Noriis Network AG/© Noriis Network AG, tts GmbH/© tts GmbH, Asseco Solutions AG/© Asseco Solutions AG, AFB Gemeinnützige GmbH/© AFB Gemeinnützige GmbH, Ferrari electronic AG/© Ferrari electronic AG, Doxee AT GmbH/© Doxee AT GmbH , Haufe Group SE/© Haufe Group SE, NTT Data/© NTT Data, Bild 1 Verspätete Verkaufsaufträge (Sage-Advertorial 3/2026)/© Sage, IT-Director und IT-Mittelstand: Ihre Webinar-Matineen in 2025 und 2026/© amgun | Getty Images