主题: Context Adaptation with Session‐based Recommenders

简介: 在各种社会科学和技术学科中,上下文信息已被广泛认为是重要的建模维度。 尽管已经在上下文感知推荐器系统(CARS)领域进行了大量研究,但是许多现有方法都集中于将推荐的预定义和静态上下文因素纳入代表性视图处理。本报告介绍了CARS的挑战以及未来的研究算法的类别。

嘉宾介绍: Dietmar Jannach是奥地利AAU Klagenfurt的信息系统专业教授。 在2017年加入AAU之前,他是德国多特蒙德理工大学的计算机科学教授。 在他的研究中,他专注于将智能系统技术应用于实际问题以及开发用于构建知识密集型软件应用程序的方法。 在过去的几年中,Dietmar Jannach致力于推荐系统的各个实际方面。 他是2010年剑桥大学出版社出版的第一本有关该主题的教科书的主要作者,并且是一家技术初创公司的联合创始人,该公司创建了屡获殊荣的交互式咨询解决方案产品。

成为VIP会员查看完整内容
31

相关内容

Dietmar Jannach是奥地利Ala Klagenfurt的信息系统专业教授。 在2017年加入AAU之前,他是德国多特蒙德理工大学的计算机科学教授。 在他的研究中,他专注于将智能系统技术应用于实际问题以及开发用于构建知识密集型软件应用程序的方法。 在过去的几年中,Dietmar Jannach致力于推荐系统的各个实际方面。 他是2010年剑桥大学出版社出版的第一本有关该主题的教科书的主要作者,并且是一家技术初创公司的联合创始人,该公司创建了屡获殊荣的交互式咨询解决方案产品。
Python推荐系统框架:RecQ
专知
12+阅读 · 2019年1月21日
推荐系统
炼数成金订阅号
28+阅读 · 2019年1月17日
大讲堂 | 深度强化学习在电商推荐中的应用
AI研习社
9+阅读 · 2018年11月8日
【推荐】RecSys 2017深度总结
LibRec智能推荐
6+阅读 · 2018年3月19日
【推荐系统】融合 MF 和 RNN 的电影推荐系统
产业智能官
23+阅读 · 2018年1月4日
融合 MF 和 RNN 的电影推荐系统
PaperWeekly
7+阅读 · 2017年12月28日
推荐中的序列化建模:Session-based neural recommendation
机器学习研究会
18+阅读 · 2017年11月5日
Arxiv
92+阅读 · 2020年2月28日
Arxiv
14+阅读 · 2018年4月18日
Arxiv
8+阅读 · 2018年2月23日
Arxiv
5+阅读 · 2017年11月13日
VIP会员
相关VIP内容
相关资讯
Python推荐系统框架:RecQ
专知
12+阅读 · 2019年1月21日
推荐系统
炼数成金订阅号
28+阅读 · 2019年1月17日
大讲堂 | 深度强化学习在电商推荐中的应用
AI研习社
9+阅读 · 2018年11月8日
【推荐】RecSys 2017深度总结
LibRec智能推荐
6+阅读 · 2018年3月19日
【推荐系统】融合 MF 和 RNN 的电影推荐系统
产业智能官
23+阅读 · 2018年1月4日
融合 MF 和 RNN 的电影推荐系统
PaperWeekly
7+阅读 · 2017年12月28日
推荐中的序列化建模:Session-based neural recommendation
机器学习研究会
18+阅读 · 2017年11月5日
微信扫码咨询专知VIP会员