Wyszukiwanie zaawansowane ?

Obiekt

Improvement of e-commerce recommendation systems with deep hybrid collaborative filtering with content: A case study
Pobierz

Tytuł: Improvement of e-commerce recommendation systems with deep hybrid collaborative filtering with content: A case study

Tytuł odmienny:

Wykorzystanie Hybrydowych Głębokich Sieci Neuronowych jako systemów rekomendacyjnych. Studium przypadku

Autor:

Wójcik, Filip ; Górnik, Michał

Opis:

Econometrics = Ekonometria, 2020, Vol. 24, No. 3, s. 37-50

Abstrakt:

This paper presents a proposition to utilize flexible neural network architecture called Deep Hybrid Collaborative Filtering with Content (DHCF) as a product recommendation engine. Its main goal is to provide better shopping suggestions for customers on the e-commerce platform. The system was tested on 2018 Amazon Reviews Dataset, using repeated cross validation and compared with other approaches: collaborative filtering (CF) and deep collaborative filtering (DCF) in terms of mean squared error (MSE), mean absolute error (MAE) and mean absolute percentage error (MAPE). DCF and DHCF were proved to be significantly better than the CF. DHCF proved to be better than DCF in terms of MAE and MAPE, it also scored the best on separate test data. The significance of the differences was checked by means of a Friedman test, followed by post-hoc comparisons to control p-value. The experiment shows that DHCF can outperform other approaches considered in the study, with more robust scores

Wydawca:

Uniwersytet Ekonomiczny we Wrocławiu

Miejsce wydania:

Wrocław

Data wydania:

2020

Typ zasobu:

artykuł

Identyfikator zasobu:

doi:10.15611/eada.2020.3.03 ; oai:dbc.wroc.pl:83116

Język:

eng

Powiązania:

Econometrics = Ekonometria, 2020, Vol. 24, No. 3

Prawa:

Pewne prawa zastrzeżone na rzecz Autorów i Wydawcy

Prawa dostępu:

Dla wszystkich zgodnie z licencją

Licencja:

CC BY-SA 4.0

Lokalizacja oryginału:

Uniwersytet Ekonomiczny we Wrocławiu

Tytuł publikacji grupowej:

Ekonometria = Econometrics

Temat i słowa kluczowe:

collaborative filtering deep learning content model product recommendation filtracja kolaboratywna głębokie uczenie model treści rekomendacja produktu

Kolekcje, do których przypisany jest obiekt:

Data ostatniej modyfikacji:

11 cze 2022

Data dodania obiektu:

13 lis 2020

Liczba wyświetleń treści obiektu:

302

Wszystkie dostępne wersje tego obiektu:

https://dbc.wroc.pl./publication/148614

Wyświetl opis w formacie RDF:

RDF

Wyświetl opis w formacie OAI-PMH:

OAI-PMH

Nazwa wydania Data
Improvement of e-commerce recommendation systems with deep hybrid collaborative filtering with content: A case study 11 cze 2022

Obiekty Podobne

Ekonometria = Econometrics
Ekonometria = Econometrics
An Analysis of Novel Money Laundering Data Using Heterogeneous Graph Isomorphism Networks. FinCEN Files Case Study

Wójcik, Filip

2024
artykuł
Informatyka Ekonomiczna = Business Informatics
Informatyka Ekonomiczna = Business Informatics
Products and services recommendation systems in e-commerce. Recommendation methods, algorithms, and measures of their effectiveness

Lasek, Mirosława Kosieradzki, Dominik

2014
artykuł
Development of machine learning algorithms operating on small datasets to assist in the diagnosis of eye diseases

Sułot, Dominika Iskander, Robert. Promotor Alonso-Caneiro, David. Promotor

2022
rozprawa doktorska
Methods for Interpretation and Validation of Representations Generated by Deep Convolutional Neural Networks

Szandała, Tomasz Maciejewski, Henryk. Redakcja

2022
rozprawa doktorska
Optica Applicata
Optica Applicata
Phase retrieval without phase unwrapping for white blood cells in deep-learning phase-shifting digital holography

Jin, Shuyang Xu, Xiaoqing Chen, Jili Ni, Yudan Urbańczyk, Wacław. Redakcja

2023
artykuł
Optica Applicata
Optica Applicata
Interferogram blind denoising using deep residual learning for phase-shifting interferometry

Xu, Xiaoqing Xie, Ming Chen, Song Ji, Ying Wang, Yawei Urbańczyk, Wacław. Redakcja

2022
artykuł
The application of deep learning methods in the analysis of livestock genomes

Kotlarz Krzysztof Szyda, Joanna. Promotor Biecek, Przemysław. Promotor

2024
rozprawa doktorska
Safety and Trustworthiness of Deep Learning in Computer Vision - With Application of Out-of-Distribution Detection Techniques

Szyc, Kamil Maciejewski, Henryk. Redakcja

2022
rozprawa doktorska
Więcej
×

Cytowanie

Styl cytowania:

Dane kontaktowe

Adres

Politechnika Wrocławska (Koordynator Konsorcjum DBC)
Biblioteka Politechniki Wrocławskiej
Wybrzeże Wyspiańskiego 27
50-370 Wrocław, Polska

Telefon

(+48) 71-320-38-30
(+48) 71-320-47-50

E-Mail

bc@pwr.edu.pl

Odwiedź nas!

https://biblioteka.pwr.edu.pl/

Ta strona wykorzystuje pliki 'cookies'. Więcej informacji