Recommender system (original) (raw)
نظام التوصية أو نظام الاقتراح ( أحيانًا نستبدل كلمة نظام بمنصة أو محرك بحث ) هو فرع من أنظمة تصفية المعلومات التي تهدف إلى توقع إعجاب المستخدم بمنتج معين. انتشرت أنظمة الاقتراح بالآونة الأخيرة وتم استخدامها في العديد من المجالات مثل الموسيقى، والجرائد، والكتب، والمقالات، والمواقع التجارية كموقع أمازون، ومواقع التواصل الاجتماعي، ومواقع مشاهدة وتقييم الأفلام.
| Property | Value |
|---|---|
| dbo:abstract | نظام التوصية أو نظام الاقتراح ( أحيانًا نستبدل كلمة نظام بمنصة أو محرك بحث ) هو فرع من أنظمة تصفية المعلومات التي تهدف إلى توقع إعجاب المستخدم بمنتج معين. انتشرت أنظمة الاقتراح بالآونة الأخيرة وتم استخدامها في العديد من المجالات مثل الموسيقى، والجرائد، والكتب، والمقالات، والمواقع التجارية كموقع أمازون، ومواقع التواصل الاجتماعي، ومواقع مشاهدة وتقييم الأفلام. (ar) Els sistemes de recomanació són sistemes intel·ligents que proporcionen als usuaris un seguit de suggeriments personalitzats (recomanacions) sobre un determinat tipus d'elements (ítems) que poden interessar a l'usuari basant-se en les preferències que ha expressat de forma implícita o explícita. Així doncs, dona suport a l'usuari a l'hora de prendre decisions mentre interactua amb una massa important d'informació, emprant diversos mètodes per fer aquesta tria automàtica. De manera que permeten que a l'usuari li arribi allò que li interessa de manera més ràpida i eficaç. (ca) Doporučovací systém je druh systému pro filtrování informací, který se snaží predikovat ohodnocení nebo preferenci, kterou by uživatel dal nějaké položce. Doporučovací systému se staly běžnými v posledních letech a používají se v řadě aplikací a oblastí. Nejpopulárnější jsou pravděpodobně filmy, hudba, správy, knihy, odborné články, vyhledávací otázky, tagy v sociálních sítích a produkty obecně. Ale jsou i doporučovací systémy hledající experty, vtipy, restaurace, finanční služby, životní pojištění, lidi (v online seznamování) a následníci na twitteru. (cs) Ein Empfehlungsdienst (englisch Recommender System) ist ein Softwaresystem, welches das Ziel hat, eine Vorhersage zu treffen, die quantifiziert, wie stark das Interesse eines Benutzers an einem Objekt ist, um dem Benutzer genau die Objekte aus der Menge aller vorhandenen Objekte zu empfehlen, für die er sich wahrscheinlich am meisten interessiert. Typische Objekte eines Empfehlungsdienstes sind zum Beispiel Produkte eines Webshops, Musikstücke bzw. Künstler oder Filme. Ein Empfehlungsdienst soll dadurch zur Bewältigung der Informationsüberflutung beitragen, indem es dem Benutzer aus einer unübersichtlichen Menge an Objekten eine Teilmenge empfiehlt. Zur Ermittlung der passenden Empfehlungen verwendet ein Empfehlungsdienst Methoden des Maschinellen Lernens und des Information Retrievals. (de) Los sistemas de recomendación forman parte de un sistema de filtrado de información, los cuales presentan distintos tipos de temas o ítems de información (películas, música, libros, noticias, imágenes, páginas web, regalos, etc.) que son del interés de un usuario en particular. Generalmente, un sistema recomendador compara el perfil del usuario con algunas características de referencia de los temas, y busca predecir el baremo o ponderación que el usuario le daría a un ítem que aún el sistema no ha considerado. Estas características pueden basarse en la relación o acercamiento del usuario con el tema o en el ambiente social del mismo usuario. (es) Les systèmes de recommandation sont une forme spécifique de filtrage de l'information (SI) visant à présenter les éléments d'information (films, musique, livres, news, images, pages Web, etc) qui sont susceptibles d'intéresser l'utilisateur. Généralement, un système de recommandation permet de comparer le profil d'un utilisateur à certaines caractéristiques de référence, et cherche à prédire l'« avis » que donnerait un utilisateur. Ces caractéristiques peuvent provenir de : * l'objet lui-même, on parle « d'approche basée sur le contenu » ou content-based approach ; * l'utilisateur ; * l'environnement social, on parle d'approche de filtrage collaboratif ou collaborative filtering. (fr) A recommender system, or a recommendation system (sometimes replacing 'system' with a synonym such as platform or engine), is a subclass of information filtering system that provide suggestions for items that are most pertinent to a particular user. Typically, the suggestions refer to various decision-making processes, such as what product to purchase, what music to listen to, or what online news to read. Recommender systems are particularly useful when an individual needs to choose an item from a potentially overwhelming number of items that a service may offer. Recommender systems are used in a variety of areas, with commonly recognised examples taking the form of playlist generators for video and music services, product recommenders for online stores, or content recommenders for social media platforms and open web content recommenders. These systems can operate using a single input, like music, or multiple inputs within and across platforms like news, books and search queries. There are also popular recommender systems for specific topics like restaurants and online dating. Recommender systems have also been developed to explore research articles and experts, collaborators, and financial services. (en) レコメンダシステム（英: recommender system）は、 (IF) 技法の一種で、特定ユーザーが興味を持つと思われる情報（映画、音楽、本、ニュース、画像、ウェブページなど）、すなわち「おすすめ」を提示するものである。通常のレコメンダシステムは、ユーザーのプロファイルを何らかのデータ収集基準と比較検討し、ユーザーが個々のアイテムにつけるであろう評価を予測する。基準は情報アイテム側から形成する場合（コンテンツベースの手法）とユーザーの社会環境から形成する場合（協調フィルタリングの手法）がある。 (ja) Un sistema di raccomandazione o motore di raccomandazione è un software di filtraggio dei contenuti che crea delle raccomandazioni personalizzate specifiche per l’utente così da aiutarlo nelle sue scelte. Viene utilizzato per diversi prodotti, come libri, musica, film, video, notizie e social media. (it) 추천 시스템(推薦system)은 (IF) 기술의 일종으로, 특정 사용자가 관심을 가질만한 정보 (영화, 음악, 책, 뉴스, 이미지, 웹 페이지 등)를 추천하는 것이다.추천 시스템에는 협업 필터링 기법을 주로 사용한다. 소셜 북마크 사이트에서 링크를 사람들에게 추천하고 무비렌즈 데이터 세트에서 영화를 추천하는 방법등이 이에 속한다. (ko) Silnik rekomendacji (też l. mn.: silniki rekomendacyjne) – nazwa zaawansowanego mechanizmu używanego w witrynach sklepów internetowych, dzięki któremu klient, który odwiedza sklep internetowy, otrzymuje online spersonalizowane zachęty zakupowe. Dzieje się tak, ponieważ silnik rekomendacji analizuje zachowania użytkownika w sieci: przeglądane strony i produkty, jakimi był zainteresowany. Na podstawie zebranych danych, zarówno na temat produktu, jak i użytkownika, podpowiada produkty skrojone na miarę ich potrzeb. (pl) Um Sistema de Recomendação combina várias técnicas computacionais para selecionar itens personalizados com base nos interesses dos usuários e conforme o contexto no qual estão inseridos. Tais itens podem assumir formas bem variadas como, por exemplo, livros, filmes, notícias, música, vídeos, anúncios, links patrocinados, páginas de internet, produtos de uma loja virtual, etc. Empresas como Amazon, Netflix e Google são reconhecidas pelo uso intensivo de sistemas de recomendação com os quais obtém grande vantagem competitiva. Empreendimentos brasileiros também estão aderindo tecnologias que utilizam um sistema de recomendação, muitas vezes com machine learning, Deep Learning ou Inteligência Artificial (pt) Рекомендаційна система — підклас системи фільтрації інформації, яка будує рейтинговий перелік об'єктів (фільми, музика, книги, новини, вебсайти), яким користувач може надати перевагу. Для цього використовується інформація з профілю користувача. (uk) Rekommendationssystem är IT-baserade stödsystem för att för webbplatser främst av typen e-handel, som kan utifrån givna rekommendationer, förutsäga intresse till ännu ej prövade produkter och tjänster. Kända webbplatser som använder rekommendationssystem inkluderar Amazon.com, Filmtipset, Netflix och Spotify. Antalet rekommendationssystem på Internet har vuxit kraftigt på senare år, exempelvis för e-handel, filmer, musik, nyheter, böcker, spel, restauranger, recept och öl. Två huvudmetoder används för att bestämma vilka rekommendationer som ska ges: och kollaborativ filtrering. Innehållsbaserad filtrering identifierar objekt som liknar sådant användaren tidigare gett höga betyg. Kollaborativ filtrering identifierar istället andra användare vars smak liknar användarens och presenterar objekt de gett höga betyg, men som användaren ännu inte sett. (sv) 推荐系统是一种信息过滤系统，用于预测用户对物品的“评分”或“偏好”。 推荐系统近年来非常流行，应用于各行各业。推荐的对象包括：电影、音乐、新闻、书籍、学术论文、搜索查询、分众分类、以及其他产品。也有一些推荐系统专门为寻找专家、合作者、笑话、餐厅、美食、金融服务、生命保险、網路交友，以及Twitter页面设计。 (zh) Рекомендательные системы — программы, которые пытаются предсказать, какие объекты (фильмы, музыка, книги, новости, веб-сайты) будут интересны пользователю, имея определенную информацию о его профиле. Две основные стратегии создания рекомендательных систем — и коллаборативная фильтрация. При фильтрации на основе содержания создаются профили пользователей и объектов, профили пользователей могут включать демографическую информацию или ответы на определённый набор вопросов, профили объектов могут включать названия жанров, имена актёров, имена исполнителей и другую атрибутивную информацию в зависимости от типа объекта. Например, в Music Genome Project музыкальный аналитик оценивает каждую композицию по сотням различных музыкальных характеристик, которые могут использоваться для выявления музыкальных предпочтений пользователя. При коллаборативной фильтрации используется информация о поведении пользователей в прошлом — например, информация о покупках или оценках. В этом случае не имеет значения, с какими типами объектов ведётся работа, но при этом могут учитываться неявные характеристики, которые сложно было бы учесть при создании профиля. Основная проблема этого типа рекомендательных систем — «холодный старт»: отсутствие данных о недавно появившихся в системе пользователях или объектах. В процессе работы рекомендательные системы собирают данные о пользователях, используя сочетание явных и неявных методов. Примеры явного сбора данных: * запрос у пользователя оценки объекта по дифференцированной шкале; * запрос у пользователя ранжировки группы объектов от наилучшего к наихудшему; * предъявление пользователю двух объектов с вопросом о том, какой из них лучше; * предложение создать список объектов, любимых пользователем. Примеры неявного сбора данных: * наблюдение за тем, что осматривает пользователь в интернет-магазинах или базах данных другого типа; * ведение записей о поведении пользователя онлайн; * отслеживание содержимого компьютера пользователя. Рекомендательные системы сравнивают однотипные данные от разных людей и вычисляют список рекомендаций для конкретного пользователя. Некоторые примеры их коммерческого и некоммерческого использования приведены в статье о коллаборативной фильтрации. Для вычисления рекомендаций используется граф интересов.Рекомендательные системы — удобная альтернатива поисковым алгоритмам, так как позволяют обнаружить объекты, которые не могут быть найдены последними. Любопытно, что рекомендательные системы часто используют поисковые машины для индексации необычных данных. (ru) |
| dbo:thumbnail | wiki-commons:Special:FilePath/Collaborative_filtering.gif?width=300 |
| dbo:wikiPageExternalLink | http://www.cs.utexas.edu/users/ml/papers/cbcf-aaai-02.pdf https://web.archive.org/web/20090511144610/http:/www.spectrum.ieee.org/may09/8788 http://www.spectrum.ieee.org/may09/8788 http://recsys.acm.org/ http://recsys.deib.polimi.it/ http://www-inf.int-evry.fr/~bounef_d/index_fichiers/Hybrid-e-greedy%20for%20Mobile%20Context-aware%20Recommender%20System.pdf http://www.tatamcgrawhill.com/html/9780070680678.html http://www.cambridge.org/uk/catalogue/catalogue.asp%3Fisbn=9780521493369 https://archive.today/20140501234448/http:/www.springer.com/computer/ai/book/978-1-4419-0048-7 https://web.archive.org/web/20071219144013/http:/www.msearchgroove.com/2007/12/17/guest-column-what-is-the-recommender-industry/ https://web.archive.org/web/20100901164550/http:/www.tatamcgrawhill.com/html/9780070680678.html https://web.archive.org/web/20140514042848/http:/www-inf.int-evry.fr:80/~bounef_d/index_fichiers/Hybrid-e-greedy%20for%20Mobile%20Context-aware%20Recommender%20System.pdf https://web.archive.org/web/20150831032309/http:/www.cambridge.org/uk/catalogue/catalogue.asp%3Fisbn=9780521493369 https://www.springer.com/computer/ai/book/978-0-387-85819-7 https://www.springer.com/computer/ai/book/978-1-4419-0048-7 http://tel.archives-ouvertes.fr/tel-01026136/fr/ https://web.archive.org/web/20170118041300/https:/mitprofessionalx.mit.edu/courses/course-v1:MITProfessionalX+DSx+2016_T1/about |
| dbo:wikiPageID | 596646 (xsd:integer) |
| dbo:wikiPageLength | 78415 (xsd:nonNegativeInteger) |
| dbo:wikiPageRevisionID | 1121815715 (xsd:integer) |
| dbo:wikiPageWikiLink | dbr:Elaine_Rich dbr:Enterprise_bookmarking dbr:Naive_Bayes_classifier dbr:Product_finder dbr:Decision_trees dbc:Recommender_systems dbr:Pattie_Maes dbr:Personalized_marketing dbr:Uber dbr:Information_filtering_system dbr:Information_retrieval dbr:Paul_Resnick dbr:Pearson_correlation dbc:Social_information_processing dbr:Configurator dbr:Content_discovery_platform dbr:Online_dating dbr:Rocchio_algorithm dbr:Click-through_rate dbr:Cold_start_(recommender_systems) dbr:Gravity_R&D dbr:Lyft dbr:Artificial_neural_networks dbr:Cluster_analysis dbr:Multi-armed_bandit dbr:Pattern_recognition dbr:Matrix_factorization_(recommender_systems) dbr:A/B_testing dbr:Data_collection dbr:Jussi_Karlgren dbr:Amazon.com dbr:Federal_Trade_Commission dbr:Pandora_Radio dbr:Joseph_A._Konstan dbr:Knowledge-based_systems dbr:Knowledge_base dbr:Preference_elicitation dbr:Precision_and_recall dbr:Profiling_(information_science) dbr:Rating_site dbr:User_profile dbc:Information_systems dbr:K-nearest_neighbors_algorithm dbr:Last.fm dbr:Cold_start_(computing) dbr:Collaborative_filtering dbr:Collective_intelligence dbr:Effectiveness dbr:Raymond_J._Mooney dbr:User_profiles dbr:Playlist dbr:Filter_bubble dbr:Conversion_rate dbr:Information_privacy dbr:Metadata dbr:Netflix dbr:Search_algorithm dbr:Serendipity dbr:Tf–idf dbr:Mean_squared_error dbr:Music_Genome_Project dbr:Sentiment_analysis dbr:Netflix_Prize dbr:Discounted_Cumulative_Gain dbr:IEEE_Spectrum dbr:Implicit_data_collection dbr:Evaluation dbr:Multimodal_sentiment_analysis dbr:Text_mining dbr:Social_networks dbr:SICS dbr:Smart_phones dbr:Reproducibility_crisis dbr:ACM_Software_Systems_Award dbr:Information_filtering dbr:Root_mean_squared_error dbr:Alan_Said dbr:File:Collaborative_filtering.gif dbr:ACM_Conference_on_Recommender_Systems dbr:ACM_RecSys dbr:Alejandro_Bellogín dbr:Gediminas_Adomavicius dbr:Joeran_Beel dbr:Michael_Ekstrand dbr:RecSys_Challenge |
| dbp:wikiPageUsesTemplate | dbt:Authority_control dbt:Cbignore dbt:Citation dbt:Cite_arXiv dbt:Cite_book dbt:Cite_web dbt:Dead_link dbt:Div_col dbt:Div_col_end dbt:ISBN dbt:Main dbt:More_citations_needed dbt:Multiple_issues dbt:Reflist dbt:See dbt:Short_description dbt:Update dbt:Recommender_systems |
| dct:subject | dbc:Recommender_systems dbc:Social_information_processing dbc:Information_systems |
| gold:hypernym | dbr:Subclass |
| rdf:type | owl:Thing dbo:Eukaryote yago:Artifact100021939 yago:Instrumentality103575240 yago:Object100002684 yago:PhysicalEntity100001930 dbo:MusicGenre yago:System104377057 yago:Whole100003553 yago:WikicatExpertSystems yago:WikicatRecommenderSystems |
| rdfs:comment | نظام التوصية أو نظام الاقتراح ( أحيانًا نستبدل كلمة نظام بمنصة أو محرك بحث ) هو فرع من أنظمة تصفية المعلومات التي تهدف إلى توقع إعجاب المستخدم بمنتج معين. انتشرت أنظمة الاقتراح بالآونة الأخيرة وتم استخدامها في العديد من المجالات مثل الموسيقى، والجرائد، والكتب، والمقالات، والمواقع التجارية كموقع أمازون، ومواقع التواصل الاجتماعي، ومواقع مشاهدة وتقييم الأفلام. (ar) Els sistemes de recomanació són sistemes intel·ligents que proporcionen als usuaris un seguit de suggeriments personalitzats (recomanacions) sobre un determinat tipus d'elements (ítems) que poden interessar a l'usuari basant-se en les preferències que ha expressat de forma implícita o explícita. Així doncs, dona suport a l'usuari a l'hora de prendre decisions mentre interactua amb una massa important d'informació, emprant diversos mètodes per fer aquesta tria automàtica. De manera que permeten que a l'usuari li arribi allò que li interessa de manera més ràpida i eficaç. (ca) Doporučovací systém je druh systému pro filtrování informací, který se snaží predikovat ohodnocení nebo preferenci, kterou by uživatel dal nějaké položce. Doporučovací systému se staly běžnými v posledních letech a používají se v řadě aplikací a oblastí. Nejpopulárnější jsou pravděpodobně filmy, hudba, správy, knihy, odborné články, vyhledávací otázky, tagy v sociálních sítích a produkty obecně. Ale jsou i doporučovací systémy hledající experty, vtipy, restaurace, finanční služby, životní pojištění, lidi (v online seznamování) a následníci na twitteru. (cs) Ein Empfehlungsdienst (englisch Recommender System) ist ein Softwaresystem, welches das Ziel hat, eine Vorhersage zu treffen, die quantifiziert, wie stark das Interesse eines Benutzers an einem Objekt ist, um dem Benutzer genau die Objekte aus der Menge aller vorhandenen Objekte zu empfehlen, für die er sich wahrscheinlich am meisten interessiert. Typische Objekte eines Empfehlungsdienstes sind zum Beispiel Produkte eines Webshops, Musikstücke bzw. Künstler oder Filme. Ein Empfehlungsdienst soll dadurch zur Bewältigung der Informationsüberflutung beitragen, indem es dem Benutzer aus einer unübersichtlichen Menge an Objekten eine Teilmenge empfiehlt. Zur Ermittlung der passenden Empfehlungen verwendet ein Empfehlungsdienst Methoden des Maschinellen Lernens und des Information Retrievals. (de) Los sistemas de recomendación forman parte de un sistema de filtrado de información, los cuales presentan distintos tipos de temas o ítems de información (películas, música, libros, noticias, imágenes, páginas web, regalos, etc.) que son del interés de un usuario en particular. Generalmente, un sistema recomendador compara el perfil del usuario con algunas características de referencia de los temas, y busca predecir el baremo o ponderación que el usuario le daría a un ítem que aún el sistema no ha considerado. Estas características pueden basarse en la relación o acercamiento del usuario con el tema o en el ambiente social del mismo usuario. (es) レコメンダシステム（英: recommender system）は、 (IF) 技法の一種で、特定ユーザーが興味を持つと思われる情報（映画、音楽、本、ニュース、画像、ウェブページなど）、すなわち「おすすめ」を提示するものである。通常のレコメンダシステムは、ユーザーのプロファイルを何らかのデータ収集基準と比較検討し、ユーザーが個々のアイテムにつけるであろう評価を予測する。基準は情報アイテム側から形成する場合（コンテンツベースの手法）とユーザーの社会環境から形成する場合（協調フィルタリングの手法）がある。 (ja) Un sistema di raccomandazione o motore di raccomandazione è un software di filtraggio dei contenuti che crea delle raccomandazioni personalizzate specifiche per l’utente così da aiutarlo nelle sue scelte. Viene utilizzato per diversi prodotti, come libri, musica, film, video, notizie e social media. (it) 추천 시스템(推薦system)은 (IF) 기술의 일종으로, 특정 사용자가 관심을 가질만한 정보 (영화, 음악, 책, 뉴스, 이미지, 웹 페이지 등)를 추천하는 것이다.추천 시스템에는 협업 필터링 기법을 주로 사용한다. 소셜 북마크 사이트에서 링크를 사람들에게 추천하고 무비렌즈 데이터 세트에서 영화를 추천하는 방법등이 이에 속한다. (ko) Silnik rekomendacji (też l. mn.: silniki rekomendacyjne) – nazwa zaawansowanego mechanizmu używanego w witrynach sklepów internetowych, dzięki któremu klient, który odwiedza sklep internetowy, otrzymuje online spersonalizowane zachęty zakupowe. Dzieje się tak, ponieważ silnik rekomendacji analizuje zachowania użytkownika w sieci: przeglądane strony i produkty, jakimi był zainteresowany. Na podstawie zebranych danych, zarówno na temat produktu, jak i użytkownika, podpowiada produkty skrojone na miarę ich potrzeb. (pl) Um Sistema de Recomendação combina várias técnicas computacionais para selecionar itens personalizados com base nos interesses dos usuários e conforme o contexto no qual estão inseridos. Tais itens podem assumir formas bem variadas como, por exemplo, livros, filmes, notícias, música, vídeos, anúncios, links patrocinados, páginas de internet, produtos de uma loja virtual, etc. Empresas como Amazon, Netflix e Google são reconhecidas pelo uso intensivo de sistemas de recomendação com os quais obtém grande vantagem competitiva. Empreendimentos brasileiros também estão aderindo tecnologias que utilizam um sistema de recomendação, muitas vezes com machine learning, Deep Learning ou Inteligência Artificial (pt) Рекомендаційна система — підклас системи фільтрації інформації, яка будує рейтинговий перелік об'єктів (фільми, музика, книги, новини, вебсайти), яким користувач може надати перевагу. Для цього використовується інформація з профілю користувача. (uk) 推荐系统是一种信息过滤系统，用于预测用户对物品的“评分”或“偏好”。 推荐系统近年来非常流行，应用于各行各业。推荐的对象包括：电影、音乐、新闻、书籍、学术论文、搜索查询、分众分类、以及其他产品。也有一些推荐系统专门为寻找专家、合作者、笑话、餐厅、美食、金融服务、生命保险、網路交友，以及Twitter页面设计。 (zh) Les systèmes de recommandation sont une forme spécifique de filtrage de l'information (SI) visant à présenter les éléments d'information (films, musique, livres, news, images, pages Web, etc) qui sont susceptibles d'intéresser l'utilisateur. Généralement, un système de recommandation permet de comparer le profil d'un utilisateur à certaines caractéristiques de référence, et cherche à prédire l'« avis » que donnerait un utilisateur. Ces caractéristiques peuvent provenir de : (fr) A recommender system, or a recommendation system (sometimes replacing 'system' with a synonym such as platform or engine), is a subclass of information filtering system that provide suggestions for items that are most pertinent to a particular user. Typically, the suggestions refer to various decision-making processes, such as what product to purchase, what music to listen to, or what online news to read. Recommender systems are particularly useful when an individual needs to choose an item from a potentially overwhelming number of items that a service may offer. (en) Rekommendationssystem är IT-baserade stödsystem för att för webbplatser främst av typen e-handel, som kan utifrån givna rekommendationer, förutsäga intresse till ännu ej prövade produkter och tjänster. Kända webbplatser som använder rekommendationssystem inkluderar Amazon.com, Filmtipset, Netflix och Spotify. Antalet rekommendationssystem på Internet har vuxit kraftigt på senare år, exempelvis för e-handel, filmer, musik, nyheter, böcker, spel, restauranger, recept och öl. (sv) Рекомендательные системы — программы, которые пытаются предсказать, какие объекты (фильмы, музыка, книги, новости, веб-сайты) будут интересны пользователю, имея определенную информацию о его профиле. Две основные стратегии создания рекомендательных систем — и коллаборативная фильтрация. При фильтрации на основе содержания создаются профили пользователей и объектов, профили пользователей могут включать демографическую информацию или ответы на определённый набор вопросов, профили объектов могут включать названия жанров, имена актёров, имена исполнителей и другую атрибутивную информацию в зависимости от типа объекта. Например, в Music Genome Project музыкальный аналитик оценивает каждую композицию по сотням различных музыкальных характеристик, которые могут использоваться для выявления музык (ru) |
| rdfs:label | نظام التوصية (ar) Sistema de recomanació (ca) Doporučovací systém (cs) Empfehlungsdienst (de) Sistema de recomendación (es) Système de recommandation (fr) Sistema di raccomandazione (it) 추천 시스템 (ko) レコメンダシステム (ja) Recommender system (en) Silnik rekomendacji (pl) Sistema de recomendação (pt) Рекомендательная система (ru) Rekommendationssystem (sv) 推薦系統 (zh) Рекомендаційна система (uk) |
| owl:sameAs | freebase:Recommender system yago-res:Recommender system http://d-nb.info/gnd/7511891-9 wikidata:Recommender system dbpedia-ar:Recommender system dbpedia-ca:Recommender system dbpedia-cs:Recommender system dbpedia-de:Recommender system dbpedia-es:Recommender system dbpedia-fa:Recommender system dbpedia-fi:Recommender system dbpedia-fr:Recommender system dbpedia-he:Recommender system dbpedia-hu:Recommender system http://hy.dbpedia.org/resource/Առաջարկման_համակարգեր dbpedia-it:Recommender system dbpedia-ja:Recommender system dbpedia-ko:Recommender system dbpedia-no:Recommender system dbpedia-pl:Recommender system dbpedia-pt:Recommender system dbpedia-ru:Recommender system dbpedia-sr:Recommender system dbpedia-sv:Recommender system dbpedia-tr:Recommender system dbpedia-uk:Recommender system dbpedia-vi:Recommender system dbpedia-zh:Recommender system https://global.dbpedia.org/id/4kzfg |
| prov:wasDerivedFrom | wikipedia-en:Recommender_system?oldid=1121815715&ns=0 |
| foaf:depiction | wiki-commons:Special:FilePath/Collaborative_filtering.gif |
| foaf:isPrimaryTopicOf | wikipedia-en:Recommender_system |
| is dbo:academicDiscipline of | dbr:Pearl_Pu |
| is dbo:genre of | dbr:Wiki-Watch dbr:Easyrec |
| is dbo:industry of | dbr:Hunch_(website) |
| is dbo:wikiPageRedirects of | dbr:Reinforcement_learning_for_recommender_systems dbr:Risk-aware_recommender_system dbr:Content-based_recommendation_system dbr:Mobile_recommender_system dbr:Multi-criteria_recommender_system dbr:Recommendation_algorithm dbr:Recommender_System dbr:Recommender_systems dbr:Television_Recommendation dbr:Television_Recommendation_Engine dbr:Television_Recommendations dbr:Television_Recommendations_Engine dbr:Television_Recommender_system dbr:Session-based_recommender_system dbr:Personal_recommendations dbr:IPTV_Recommendation dbr:IPTV_Recommendation_Engine dbr:IPTV_Recommendations dbr:IPTV_Recommendations_Engine dbr:IP_TV_Recommendation dbr:IP_TV_Recommendations dbr:Hybrid_recommender_systems dbr:Content-based_filtering dbr:Recomendation_system dbr:Recommendation_application dbr:Recommendation_engine dbr:Recommendation_search_engine dbr:Recommendation_search_engines dbr:Recommendation_system dbr:Recommendation_systems dbr:Recommendations dbr:Recommendations_Engine dbr:Recommendations_engine dbr:Recommendations_industry dbr:Recommendations_system dbr:Recommender dbr:Recommender_Systems dbr:Recommender_engine dbr:Recommender_industry dbr:VOD_recommendation dbr:VOD_recommendations dbr:Multi-criteria_recommender_systems dbr:TV_Recommendation_Engine dbr:TV_Recommendations_Engine dbr:TV_Recommender_system dbr:TV_recommendation dbr:TV_recommendations |
| is dbo:wikiPageWikiLink of | dbr:Scarab_Research dbr:Science_and_technology_studies dbr:Entity_linking dbr:Nearest_neighbor_search dbr:Non-negative_matrix_factorization dbr:Ranking_(information_retrieval) dbr:Product_finder dbr:Bookish dbr:David_Atienza dbr:Algorithm_aversion dbr:John_T._Riedl dbr:Jubatus dbr:Peeple_(app) dbr:Personalization dbr:Personalized_marketing dbr:Reinforcement_learning_for_recommender_systems dbr:Risk-aware_recommender_system dbr:Doreso dbr:Incentive-centered_design dbr:Information_filtering_system dbr:International_Conference_on_User_Modeling,_Adaptation,_and_Personalization dbr:Like_button dbr:Pearl_Pu dbr:Precision_agriculture dbr:SimRank dbr:Wikipedia_bots dbr:Content-based_recommendation_system dbr:Content_curation dbr:Content_discovery_platform dbr:Critical_Metrics dbr:Massive_Online_Analysis dbr:Matthias_Grossglauser dbr:S_P_Jain_School_of_Global_Management dbr:Low-rank_approximation dbr:Online_dating_service dbr:Social_network_analysis dbr:Timeline_of_Amazon_Web_Services dbr:Click-through_rate dbr:Cold_start_(recommender_systems) dbr:Gary_Robinson dbr:Glossary_of_artificial_intelligence dbr:Gravity_R&D dbr:Mobile_recommender_system dbr:Models_of_collaborative_tagging dbr:Multi-criteria_recommender_system dbr:Content_moderation dbr:Convolutional_neural_network dbr:Opinion_Space dbr:Opportunistic_mobile_social_network dbr:Recommendation_algorithm dbr:Recommender_System dbr:Recommender_systems dbr:Apache_Lucene dbr:Locker_(software) dbr:Machine_learning dbr:Clickbait dbr:Computational_journalism dbr:Computational_social_choice dbr:Computer-supported_collaboration dbr:Messaging_spam dbr:Star_(classification) dbr:Matrix_factorization_(recommender_systems) dbr:Social_cataloging_application dbr:BBC_iPlayer dbr:CORE_(research_service) dbr:Active_users dbr:Adaptive_website dbr:Additive_smoothing dbr:Toutiao dbr:Data_&_Marketing_Association dbr:Data_wrangling dbr:Wiki-Watch dbr:Jussi_Karlgren dbr:Learning_to_rank dbr:Location-based_recommendation dbr:AI_alignment dbr:Alexander_Tuzhilin dbr:Easyrec dbr:Ewin_Tang dbr:Expertise_finding dbr:Foursquare_City_Guide dbr:Nivio_Ziviani dbr:Pandora_(service) dbr:Paola_Velardi dbr:Digital_footprint dbr:Flipora dbr:Force_v._Facebook_Inc. dbr:Gonzalez_v._Google_LLC dbr:History_of_YouTube dbr:Item-item_collaborative_filtering dbr:Knowledge-based_recommender_system dbr:Knowledge_graph_embedding dbr:Preference_elicitation dbr:Recommendation dbr:Restricted_Boltzmann_machine dbr:2000s_in_the_music_industry dbr:The_Anteroom dbr:The_Baby-Sitters_Club_(2020_TV_series) dbr:Hunch_(website) dbr:Hypergraph dbr:Jie_Lu dbr:Artificial_intelligence dbr:Audacy dbr:Ken_Goldberg dbr:Last.fm dbr:Bipartite_network_projection dbr:Taboola dbr:Cold_start_(computing) dbr:Collaborative_filtering dbr:Collaborative_intelligence dbr:Collaborative_search_engine dbr:Jack_Jia dbr:Artificial_Intelligence:_A_Guide_for_Thinking_Humans dbr:Audience_flow dbr:Audience_fragmentation dbr:Audience_theory dbr:Automated_decision-making dbr:Pipeline_Pilot dbr:Plastic_Love dbr:Social_impact_of_YouTube dbr:Social_media_mining dbr:Songza dbr:Fillia_Makedon dbr:Filter_bubble dbr:GroupLens_Research dbr:Guided_selling dbr:Uforia_Audio_Network dbr:Television_Recommendation dbr:Television_Recommendation_Engine dbr:Television_Recommendations dbr:Television_Recommendations_Engine dbr:Television_Recommender_system dbr:IAuthor dbr:IHeartRadio dbr:ITunes_Ping dbr:Section_230 dbr:Session-based_recommender_system dbr:Yahoo!_Music_Radio dbr:Yandex_Launcher dbr:YouTube dbr:Loren_Terveen dbr:Sentiment_analysis dbr:Session_(web_analytics) dbr:User-generated_content dbr:User_modeling dbr:Tank_Top_TV dbr:IDistance dbr:Implicit_data_collection dbr:Timothy_Jurka dbr:Qloo dbr:First-time_user_experience dbr:Reputation_system dbr:MovieLens dbr:Multimodal_sentiment_analysis dbr:WinnowTag dbr:PoolParty_Semantic_Suite dbr:Vlingo dbr:Personalised_television dbr:Review_site dbr:Outline_of_machine_learning dbr:TasteDive dbr:Types_of_artificial_neural_networks dbr:Personal_recommendations dbr:IPTV_Recommendation dbr:IPTV_Recommendation_Engine dbr:IPTV_Recommendations dbr:IPTV_Recommendations_Engine dbr:IP_TV_Recommendation dbr:IP_TV_Recommendations dbr:Hybrid_recommender_systems dbr:Content-based_filtering dbr:Recomendation_system dbr:Recommendation_application dbr:Recommendation_engine dbr:Recommendation_search_engine dbr:Recommendation_search_engines dbr:Recommendation_system dbr:Recommendation_systems dbr:Recommendations dbr:Recommendations_Engine dbr:Recommendations_engine dbr:Recommendations_industry dbr:Recommendations_system dbr:Recommender dbr:Recommender_Systems dbr:Recommender_engine dbr:Recommender_industry dbr:VOD_recommendation dbr:VOD_recommendations dbr:Multi-criteria_recommender_systems dbr:TV_Recommendation_Engine dbr:TV_Recommendations_Engine dbr:TV_Recommender_system dbr:TV_recommendation dbr:TV_recommendations |
| is dbp:branding of | dbr:Audacy |
| is dbp:fields of | dbr:Pearl_Pu |
| is dbp:genre of | dbr:Wiki-Watch dbr:Easyrec |
| is dbp:industry of | dbr:Hunch_(website) |
| is dbp:knownFor of | dbr:Gary_Robinson |
| is dbp:networkType of | dbr:Uforia_Audio_Network |
| is dbp:websiteType of | dbr:Bookish dbr:Foursquare_City_Guide dbr:IAuthor |
| is rdfs:seeAlso of | dbr:Messaging_spam dbr:Graph_neural_network dbr:Sentiment_analysis |
| is foaf:primaryTopic of | wikipedia-en:Recommender_system |
