Software para a recomendación de contidos ós usuarios
Software para a realización de recomendacións personalizadas a usuarios baseadas nas preferencias e interaccións pasadas do usuario.
Areas of knowledge
-
Engineering and architecture
Technology’s Protection Status
Ningún.
What are we looking for?
Búscanse empresas interesadas nesta tecnoloxía.
Facultade de Informática
Description
O software permite facer recomendacións de contidos ó usuario tendo en conta as preferencias e as interaccións pasadas tanto do usuario en particular como ás do resto de usuarios do sistema. O sistema recolle as interaccións dos usuarios e agrega esta información de maneira que poda ser usada como base para realizar as recomendacións. O sistema e capaz de facer recomendacións a partir das preferencias dos usuarios similares ó usuario obxecto da procura.
O software ven equipado con unha gran variedade de algoritmos de recomendación, incluíndo modelos baseados en vecindarios, métodos de factores latentes, modelos neuronais baseados en embeddings ou métodos lineais. Ademais ten incluído software de avaliación.
Added Value
A motivación principal deste software e a carencia de solucións dispoñibles que permitan incorporar de maneira sinxela as preferencias e as interacción do usuario no proceso de recomendación de maneira eficaz e eficiente. A maioría das solucións dispoñibles basean as súas recomendacións unicamente nas popularidade dos elementos sen ter en conta ó usuario, polo que non permiten personalizar as suxestións a cada usuario.
As recomendación personalizadas permiten aumentar o compromiso do usuario co sistema, aumentando a satisfacción do mesmo, e fomentando un maior uso do sistema por parte do usuario.
Outra información de interese
Publicacións descritivas do software:
- Valcarce, Daniel, Javier Parapar, and Álvaro Barreiro. “Efficient Pseudo-Relevance Feedback Methods for Collaborative Filtering Recommendation.” European Conference on Information Retrieval. Springer, Cham, 2016.
- Valcarce, Daniel, Javier Parapar, and Álvaro Barreiro. “Language models for collaborative filtering neighbourhoods.” European Conference on Information Retrieval. Springer, Cham, 2016.
- Valcarce, Daniel, Javier Parapar, and Álvaro Barreiro. “LiMe: linear methods for pseudo-relevance feedback” Proceedings of the 33rd Annual ACM Symposium on Applied Computing. ACM, 2018.
- Valcarce, Daniel, Alejandro Bellogín, Javier Parapar, and Pablo Castells. “On the robustness and discriminative power of information retrieval metrics for top-N recommendation.” Proceedings of the 12th ACM Conference on Recommender Systems. ACM, 2018.
- Valcarce, Daniel, Javier Parapar, and Álvaro Barreiro. “Item-based relevance modelling of recommendations for getting rid of long tail products.” Knowledge-Based Systems 103 (2016): 41-51.
- Parapar, Javier, Alejandro Bellogín, Pablo Castells, and Álvaro Barreiro. “Relevance-based language modelling for recommender systems.” Information Processing & Management49.4 (2013): 966-980.
Applications according to Sector
A tecnoloxía de recomendación e transversal os distintos sectores, todos aqueles casos onde exista un servicio no que espérase que a interacción do usuario sexa recorrente. A aplicación deste tipo de ferramentas permite que as interaccións dos usuarios co sistema sexan máis satisfactorias, aumentando o compromiso dos usuarios e como consecuencia unha maior retención dos mesmos. Exemplos como recomendar libros, recomendar produtos, recomendar tratamentos, recomendar provedores, etc. encaixan nos distintos sectores.
Research Group
-
- Information Retrieval Lab
- (IRLab)
Person in Charge
- Alfonso Landín Piñeiro
- Daniel Valcarce Silva
- Javier Parapar López
- Álvaro Barreiro García
Contact Us
-
-
Office of Transfer of Research Results
Building of Central Research Services
Campus de Elviña, s/n
15071 A Coruña
-
Office of Transfer of Research Results
Last Update
2019-06-20
