DOI: https://doi.org/10.32515/2409-9392.2018.31.181-186
Математична модель рекомендаційної системи з врахуванням емоційного забарвлення коментарів у якості контексту
Об авторах
Шингалов Дмитро Валерійович, асіпарнт, Центральноукраїнський національний технічний університет, м.Кропивницький, Україна, E-mail: dimashingalov@gmail.com
Мелешко Єлізавета Станіславівна, доцент, кандидат технічних наук, Центральноукраїнський національний технічний університет, м.Кропивницький, Україна, E-mail: elismeleshko@gmail.com
Минайленко Роман Миколайович, доцент, кандидат технічних наук, Центральноукраїнський національний технічний університет, м.Кропивницький, Україна
Резніченко Віталій Анатоійович, викладач, Центральноукраїнський національний технічний університет, м.Кропивницький, Україна
Анотація
У статті пропонується математична модель рекомендаційної системи, у якій у якості контексту використовується аналіз емоційного забарвлення коментарів стосовно об’єктів рекомендацій. При відсутності явного зворотного зв’язку аналіз контексту значно підвищує точність рекомендацій та якість прогнозування вподобань користувачів.
Ключові слова
рекомендаційні системи, сентимент-аналіз, колаборативна фільтрація, машинне навчання, інтелектуальні системи
Повний текст:
PDF
Посилання
Bal´azs, H. & Domonkos, T. (2012). Fast als-based tensor factorization for context-aware recommendation from implicit feedback. 67–82.
Ricci, Editors F., Rokach, L., Shapira, B. & Kantor, P. (2011). Recommender systems handbook . Berlin: Springer.
Kolda, T. & Bader, B. (2009). Tensor decompositions and applications. SIAM review, №51(3), 455-500.
Zhouxiao, B. & Haiying, X. (2012). Movie Rating Estimation and Recommendation.
Cantador, I., Bellogn, A. & Vallet, D. (2010). Content-based recommendation in social tagging systems. ACM RecSys, 10, 237–240.
Burke, R. (2002). Hybrid recommender systems: survey and experiments. User Modelling and UserAdapted Interaction, vol. 12, 4, 331–370.
Stuart, D. (2010). What are Libraries Doing on Twitter? Online 34, 1, 45–47.
Mitchell, T. (1997). Machine Learning. New York: McGraw-Hill.
Narayanan, V., Arora, I. & Bhatia, A. (2013). Fast and accurate sentiment classification using an enhanced naive bayes model. Intelligent Data Engineering and Automated Learning IDEAL, Vol. 8206, 194–201.
Norden, A. P. (1976). Prostranstva affinnoj svjaznosti [Affine Connected Spaces]. Moscow: Nauka.
Пристатейна бібліографія ГОСТ
- Bal´azs H. Fast als-based tensor factorization for context-aware recommendation from implicit feedback [Text] / H. Bal´azs, T. Domonkos // Machine Learning and Knowledge Discovery in Databases – 2012. – pp. 67–82.
- Recommender systems handbook [Text] / Editors F.Ricci, L. Rokach, B. Shapira, P. Kantor. – Berlin: Springer, 2011. – 842 pages.
- Kolda T. Tensor decompositions and applications [Text] / T. Kolda, B. Bader. // SIAM review. – 2009. – №51(3). – pp. 455–500.
- Zhouxiao B. Movie Rating Estimation and Recommendation [Text] / B. Zhouxiao, X. Haiying. – 2012. – pp. 1–4.
- Cantador I. Content-based recommendation in social tagging systems. [Text] / I. Cantador, A. Bellogn, D. Vallet. // ACM RecSys. – 2010. – №10. – pp. 237–240.
- Burke R. Hybrid recommender systems: survey and experiments [Text] / R. Burke. // User Modelling and UserAdapted Interaction, vol. 12, no. 4. – 2002. – pp. 331–370.
- Stuart D. What are Libraries Doing on Twitter? [Text] / D. Stuart. // Online 34, no. 1. – 2010. – pp. 45–47.
- Mitchell T. Machine Learning [Text] / T. Mitchell. – New York: McGraw-Hill, 1997. – 414 p.
- Narayanan V. Fast and accurate sentiment classification using an enhanced naive bayes model. [Text] / V. Narayanan, I. Arora, A. Bhatia // Intelligent Data Engineering and Automated Learning IDEAL – Berlin: Springer, 2013. – (volume 8206 of Lecture Notes in Computer Science). – pp. 194–201.
- Норден А. П. Пространства аффинной связности [Tекст] / А. П. Норден. – М.: Наука, 1976. – 432 стр.
Copyright (c) 2018 Шингалов Дмитро Валерійович, Мелешко Єлізавета Станіславівна, Минайленко Роман Миколайович, Резніченко Віталій Анатоійович
Математична модель рекомендаційної системи з врахуванням емоційного забарвлення коментарів у якості контексту
Об авторах
Шингалов Дмитро Валерійович, асіпарнт, Центральноукраїнський національний технічний університет, м.Кропивницький, Україна, E-mail: dimashingalov@gmail.com
Мелешко Єлізавета Станіславівна, доцент, кандидат технічних наук, Центральноукраїнський національний технічний університет, м.Кропивницький, Україна, E-mail: elismeleshko@gmail.com
Минайленко Роман Миколайович, доцент, кандидат технічних наук, Центральноукраїнський національний технічний університет, м.Кропивницький, Україна
Резніченко Віталій Анатоійович, викладач, Центральноукраїнський національний технічний університет, м.Кропивницький, Україна
Анотація
Ключові слова
Повний текст:
PDFПосилання
Bal´azs, H. & Domonkos, T. (2012). Fast als-based tensor factorization for context-aware recommendation from implicit feedback. 67–82.
Ricci, Editors F., Rokach, L., Shapira, B. & Kantor, P. (2011). Recommender systems handbook . Berlin: Springer.
Kolda, T. & Bader, B. (2009). Tensor decompositions and applications. SIAM review, №51(3), 455-500.
Zhouxiao, B. & Haiying, X. (2012). Movie Rating Estimation and Recommendation.
Cantador, I., Bellogn, A. & Vallet, D. (2010). Content-based recommendation in social tagging systems. ACM RecSys, 10, 237–240.
Burke, R. (2002). Hybrid recommender systems: survey and experiments. User Modelling and UserAdapted Interaction, vol. 12, 4, 331–370.
Stuart, D. (2010). What are Libraries Doing on Twitter? Online 34, 1, 45–47.
Mitchell, T. (1997). Machine Learning. New York: McGraw-Hill.
Narayanan, V., Arora, I. & Bhatia, A. (2013). Fast and accurate sentiment classification using an enhanced naive bayes model. Intelligent Data Engineering and Automated Learning IDEAL, Vol. 8206, 194–201.
Norden, A. P. (1976). Prostranstva affinnoj svjaznosti [Affine Connected Spaces]. Moscow: Nauka.
Пристатейна бібліографія ГОСТ
- Bal´azs H. Fast als-based tensor factorization for context-aware recommendation from implicit feedback [Text] / H. Bal´azs, T. Domonkos // Machine Learning and Knowledge Discovery in Databases – 2012. – pp. 67–82.
- Recommender systems handbook [Text] / Editors F.Ricci, L. Rokach, B. Shapira, P. Kantor. – Berlin: Springer, 2011. – 842 pages.
- Kolda T. Tensor decompositions and applications [Text] / T. Kolda, B. Bader. // SIAM review. – 2009. – №51(3). – pp. 455–500.
- Zhouxiao B. Movie Rating Estimation and Recommendation [Text] / B. Zhouxiao, X. Haiying. – 2012. – pp. 1–4.
- Cantador I. Content-based recommendation in social tagging systems. [Text] / I. Cantador, A. Bellogn, D. Vallet. // ACM RecSys. – 2010. – №10. – pp. 237–240.
- Burke R. Hybrid recommender systems: survey and experiments [Text] / R. Burke. // User Modelling and UserAdapted Interaction, vol. 12, no. 4. – 2002. – pp. 331–370.
- Stuart D. What are Libraries Doing on Twitter? [Text] / D. Stuart. // Online 34, no. 1. – 2010. – pp. 45–47.
- Mitchell T. Machine Learning [Text] / T. Mitchell. – New York: McGraw-Hill, 1997. – 414 p.
- Narayanan V. Fast and accurate sentiment classification using an enhanced naive bayes model. [Text] / V. Narayanan, I. Arora, A. Bhatia // Intelligent Data Engineering and Automated Learning IDEAL – Berlin: Springer, 2013. – (volume 8206 of Lecture Notes in Computer Science). – pp. 194–201.
- Норден А. П. Пространства аффинной связности [Tекст] / А. П. Норден. – М.: Наука, 1976. – 432 стр.
Copyright (c) 2018 Шингалов Дмитро Валерійович, Мелешко Єлізавета Станіславівна, Минайленко Роман Миколайович, Резніченко Віталій Анатоійович