Active Learning for Recommender Systems

Name: Active Learning for Recommender Systems
Author: Karimi, Rasoul
ISBN: 9783954046928

Karimi, Rasoul

Lingua: inglese

Editore: Cuvillier, 2014

395404692X / 9783954046928

Brossura
Usato

Visualizza tutti i dettagli

Da: Buchpark, Trebbin, GermaniaBuchpark

Venditore con 5 stelle

Venditore AbeBooks dal 30 settembre 2021

Visualizza gli articoli di questo venditore

Brossura

Condizione: Usato

EUR 22,76

EUR 105,00 spedizione

Spedito da Germania a U.S.A.

Quantità: 1 disponibili

Aggiungi al carrello

Resi gratuiti per 30 giorni

Lista dei preferitiCrea un desiderata per articoli simili

Descrizione dell’articolo da parte del venditore

Zustand: Hervorragend | Sprache: Englisch | Produktart: Bücher | Nowadays we are living in an era that is overloaded with information. Decision-making in this environment can sometimes become a nightmare. There are too many choices and we simply cannot explore them all. Therefore, it would be really helpful to have a system to help us to find the right choice. Such systems, which learn user preferences and provide personalized recommendations to them are called Recommender Systems. Evidently, the performance of recommender systems depends on the amount of information that users provide regarding items, most often in the form of ratings. This problem is amplified for new users because they have not provided any rating, which impacts negatively on the quality of generated recommendations. This problem is called new user problem or cold-start problem. A simple and effective way to overcome this problem, is by posing queries to new users so that they express their preferences about selected items, e.g. by rating them. Nevertheless, the selection of items must take into consideration that users are not willing to answer a lot of such queries. To address this problem, active learning methods have been proposed to acquire the most informative ratings, i.e ratings from users that will help most in determining their interests. The aim of this thesis is to take inspiration from the literature of active learning for machine learning and develop new methods for the new user problem in recommender systems. In the recommender system context, new users play the role of the Oracle and provide labels (ratings) to the queries (items). In this approach, we will take into consideration that although there are no data for new users, but there is abundant data for existing users. Such additional data can help us to develop scalable and accurate active learning methods for the new user problem in recommender systems. The thesis consists of two parts. In the first part, to be consistent with the settings of active learning in machine learning and the related works on the new user problem in recommender system, it is assumed that the new user is always able to rate the queried items. Next, this constraint is relaxed and new users are allowed not to rate the items. Most of the developed active learning methods exploit the characteristics matrix factorization because nevertheless, recent research (especially as has been demonstrated during the Netflix challenge) indicates that matrix factorization is a superior prediction model for recommender systems compared to other approaches.…

Codice articolo 24960343/1

Contatta il venditore per questo articolo

Segnala questo articolo

Titolo: Active Learning for Recommender Systems
Autore: Karimi, Rasoul
Editore: Cuvillier
Anno di pubblicazione: 2014
Condizione: Hervorragend
Rilegatura: Brossura
Lingua: inglese
ISBN 10: 395404692X
ISBN 13: 9783954046928
Cataloghi dei venditori: Bücher

Nowadays we are living in an era that is overloaded with information. Decision-making in this environment can sometimes become a nightmare. There are too many choices and we simply cannot explore them all. Therefore, it would be really helpful to have a system to help us to find the right choice. Such systems, which learn user preferences and provide personalized recommendations to them are called Recommender Systems. Evidently, the performance of recommender systems depends on the amount of information that users provide regarding items, most often in the form of ratings. This problem is amplified for new users because they have not provided any rating, which impacts negatively on the quality of generated recommendations. This problem is called new user problem or cold-start problem. A simple and effective way to overcome this problem, is by posing queries to new users so that they express their preferences about selected items, e.g. by rating them. Nevertheless, the selection of items must take into consideration that users are not willing to answer a lot of such queries. To address this problem, active learning methods have been proposed to acquire the most informative ratings, i.e ratings from users that will help most in determining their interests. The aim of this thesis is to take inspiration from the literature of active learning for machine learning and develop new methods for the new user problem in recommender systems. In the recommender system context, new users play the role of the Oracle and provide labels (ratings) to the queries (items). In this approach, we will take into consideration that although there are no data for new users, but there is abundant data for existing users. Such additional data can help us to develop scalable and accurate active learning methods for the new user problem in recommender systems. The thesis consists of two parts. In the first part, to be consistent with the settings of active learning in machine learning and the re

"Riassunto" può appartenere a un’altra edizione di questo titolo.

Buchpark

Trebbin, Germania

Venditore con 5 stelle

Venditore AbeBooks dal 30 settembre 2021

Tariffe di spedizione da Germania a U.S.A.

Articolo	Da 60 a 60 giorni lavorativi	Da 60 a 60 giorni lavorativi
Primo articolo	EUR 105,00	EUR 130,00

I tempi di consegna sono stabiliti dai venditori e variano in base al corriere e al paese. Gli ordini che devono attraversare una dogana possono subire ritardi e spetta agli acquirenti pagare eventuali tariffe o dazi associati. I venditori possono contattarti in merito ad addebiti aggiuntivi dovuti a eventuali maggiorazioni dei costi di spedizione dei tuoi articoli.

Metodi di pagamento

Assegno
Bonifico bancario
PayPal

Descrizione dello Store

Seit über 30 Jahren handeln wir mit Büchern. Begonnen hat alles als kleiner Fachbuchhandel in Berlin. Heute sind wir spezialisiert auf den An- und Verkauf gebrauchter Bücher. Noch immer liegt unser Fokus dabei auf den Kategorien: Fachbuch und englischsprachige Literatur. Hinzu kommen Bücher aus allen anderen Genres, wie Belletristik, Biografien oder Kinderbücher. Unser oberstes Ziel ist dabei die Weiterverwendung von Dingen und die Schonung von Ressourcen. Neben dem Ankauf von privaten Büchern oder Haushaltsauflösungen kaufen wir bundesweit komplette Bibliotheken und Buchbestände von Institutionen auf, um diese nachhaltig ein weiteres Mal auf den Markt zu bringen. Parallel dazu bietet Buchpark die Möglichkeit, große Mengen einzulagern. Ganze Bibliotheken und umfangreiche Buchbestände werden von uns professionell auf Qualitätsmerkmale hin untersucht und sorgfältig für den Onlinehandel aufbereitet. Wir schenken Büchern ein zweites Leben.…

Informazioni sull’azienda del venditore

Buchpark GmbH

Krügerweg 1
Trebbin, Germania 14959

Contatta il venditoreVisualizza gli articoli di questo venditoreVisita la vetrina del venditore

Diritto di recesso

Se sei un consumatore puoi recedere dal contratto in conformità con quanto segue. Per Consumatore si intende qualsiasi persona fisica che agisce per scopi estranei alla propria attività commerciale, imprenditoriale, artigianale o professionale.

Informazioni sul diritto di recesso

Diritto legale di recesso

Hai il diritto di recedere dal presente contratto entro 14 giorni senza fornire alcuna motivazione.

Il periodo di recesso scade dopo 14 giorni dal giorno in cui tu o una terza parte, diversa dal vettore e da te indicata, acquisisce il possesso fisico dell'ultimo bene o dell'ultimo lotto o pezzo.

Per esercitare il diritto di recesso, compila e invia elettronicamente una dichiarazione esplicita sul nostro sito Web, alla voce “I miei acquisti” nella sezione “Mio account”. Ti comunicheremo senza indugio una conferma di ricezione di tale recesso su un supporto durevole (ad es. via e-mail).

Per rispettare il termine di recesso, è sufficiente inviare la comunicazione relativa all'esercizio del diritto di recesso prima della scadenza del periodo di recesso stesso.

Effetti del recesso

In caso di recesso dal presente contratto, ti rimborseremo tutti i pagamenti ricevuti, compresi i costi di spedizione (ad eccezione dei costi supplementari derivanti dalla tua eventuale scelta di un tipo di spedizione diverso dal tipo meno costoso di consegna standard da noi offerto).

Potremo effettuare una detrazione dal rimborso per la perdita di valore dei beni forniti, qualora tale perdita sia il risultato di una manipolazione non necessaria da parte tua.

Eseguiremo il rimborso senza indebito ritardo e non oltre 14 giorni dal giorno in cui saremo informati della tua decisione di recedere dal presente contratto.

Il rimborso sarà effettuato utilizzando lo stesso mezzo di pagamento da te usato per la transazione iniziale, salvo che tu non abbia espressamente concordato altrimenti; in ogni caso, non dovrai sostenere alcun costo quale conseguenza di tale rimborso.

Possiamo trattenere il rimborso finché non avremo ricevuto i beni oppure finché non avrai fornito la prova di averli rispediti, a seconda di quale condizione si verifichi per prima.

Dovrai rispedire i beni o consegnarli a Buchpark, Trebbin, Germany, senza indebito ritardo e, in ogni caso, entro 14 giorni dal giorno in cui ci hai comunicato la tua volontà di recedere dal presente contratto. Il termine è rispettato se rispedisci i beni prima della scadenza del periodo di 14 giorni. I costi diretti della restituzione dei beni saranno a tuo carico. Sei responsabile solo della diminuzione del valore dei beni risultante da una manipolazione diversa da quella necessaria per stabilire la natura, le caratteristiche e il funzionamento dei beni stessi.

Eccezioni al diritto di recesso

Il diritto di recesso non si applica a:

La fornitura di giornali, periodici o riviste ad eccezione dei contratti di abbonamento; e
La fornitura di contenuto digitale non fornito su un supporto materiale (ad es. su un CD o DVD), se al momento dell'invio dell'ordine hai accettato l'inizio dell'esecuzione e hai riconosciuto che non avresti potuto recedere una volta iniziata l'esecuzione.