主题: Building Useful Recommender Systems for Tourists

简介: 推荐系统是信息搜索和过滤工具,应为要使用的项目提供建议。 最先进的推荐系统利用数据挖掘和信息检索技术来预测商品在多大程度上适合用户的需求和需求,但是通常它们最终会提出明显而无趣的建议,尤其是在复杂领域(例如旅游业)。 在演讲中,将介绍典推荐器系统的思想和技术。 我们将讨论为游客建立有用的推荐系统所需的一些关键要素。 因此,我们将指出推荐系统研究的一些局限性和挑战。 然后,我们将介绍一些新颖的技术,这些技术利用从观察到的游客行为中收集的数据来生成更有用的个人和团体推荐。

嘉宾介绍: Francesco Ricci博士是Bozen-Bolzano自由大学(意大利)的正教授兼计算机科学学院院长。他与他人共同编辑了《推荐系统手册》(Springer,2011年,2015年),并作为ACM推荐系统会议(2007年至2010年)指导委员会主席在社区中积极工作。他(2000年至2006年)曾是ITC-irst(意大利特伦托)的电子商务和旅游业研究实验室(eCTRL)的高级研究员和技术总监。从1998年到2000年,他是Sodalia s.p.a.的研究和技术部门的系统架构师。

成为VIP会员查看完整内容
31

相关内容

推荐系统,是指根据用户的习惯、偏好或兴趣,从不断到来的大规模信息中识别满足用户兴趣的信息的过程。推荐推荐任务中的信息往往称为物品(Item)。根据具体应用背景的不同,这些物品可以是新闻、电影、音乐、广告、商品等各种对象。推荐系统利用电子商务网站向客户提供商品信息和建议,帮助用户决定应该购买什么产品,模拟销售人员帮助客户完成购买过程。个性化推荐是根据用户的兴趣特点和购买行为,向用户推荐用户感兴趣的信息和商品。随着电子商务规模的不断扩大,商品个数和种类快速增长,顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。为了解决这些问题,个性化推荐系统应运而生。个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台,以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【CCL 2019】2019信息检索趋势,山东大学教授任昭春博士
专知会员服务
29+阅读 · 2019年11月12日
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
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
LibRec 精选:推荐的可解释性[综述]
LibRec智能推荐
10+阅读 · 2018年5月4日
【推荐】RecSys 2017深度总结
LibRec智能推荐
6+阅读 · 2018年3月19日
LibRec 每周精选:近期推荐系统论文及进展
机器学习研究会
4+阅读 · 2018年2月5日
融合 MF 和 RNN 的电影推荐系统
PaperWeekly
7+阅读 · 2017年12月28日
Arxiv
20+阅读 · 2019年11月23日
Arxiv
8+阅读 · 2018年2月23日
VIP会员
相关VIP内容
【CCL 2019】2019信息检索趋势,山东大学教授任昭春博士
专知会员服务
29+阅读 · 2019年11月12日
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
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
LibRec 精选:推荐的可解释性[综述]
LibRec智能推荐
10+阅读 · 2018年5月4日
【推荐】RecSys 2017深度总结
LibRec智能推荐
6+阅读 · 2018年3月19日
LibRec 每周精选:近期推荐系统论文及进展
机器学习研究会
4+阅读 · 2018年2月5日
融合 MF 和 RNN 的电影推荐系统
PaperWeekly
7+阅读 · 2017年12月28日
微信扫码咨询专知VIP会员