+ All Categories
Home > Documents > Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis...

Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis...

Date post: 22-Aug-2020
Category:
Upload: others
View: 1 times
Download: 0 times
Share this document with a friend
34
Byron Leite Dantas Bezerra Byron Leite Dantas Bezerra [email protected] [email protected] Francisco Assis Tenório Carvalho Francisco Assis Tenório Carvalho [email protected] [email protected] Centro de Informática Centro de Informática CIn CIn /UFPE /UFPE Recife Recife Pernambuco Pernambuco Brasil Brasil Symbolic Data Analysis Tools Symbolic Data Analysis Tools for Recommendation Systems for Recommendation Systems
Transcript
Page 1: Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis Tools for Recommendation Systems ˘ˇˆ ... 5 D2 A1,A2,A7,A8 G3 F 4 D3 A3,A5,A6,A7

Byron Leite Dantas BezerraByron Leite Dantas [email protected]@dsc.upe.br

Francisco Assis Tenório CarvalhoFrancisco Assis Tenório [email protected]@cin.ufpe.br

Centro de Informática Centro de Informática –– CInCIn/UFPE/UFPERecife Recife –– Pernambuco Pernambuco –– BrasilBrasil

Symbolic Data Analysis Tools Symbolic Data Analysis Tools

for Recommendation Systemsfor Recommendation Systems

Page 2: Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis Tools for Recommendation Systems ˘ˇˆ ... 5 D2 A1,A2,A7,A8 G3 F 4 D3 A3,A5,A6,A7

�������������������������� �������������������������������������������������������������������� ����������������������������������

������������� �!�������"�����#���$�������� ������� ������������� �!�������"�����#���$�������� ������� ���

Page 3: Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis Tools for Recommendation Systems ˘ˇˆ ... 5 D2 A1,A2,A7,A8 G3 F 4 D3 A3,A5,A6,A7

�������������������������� �������������������������������������������������������������������� ����������������������������������

%%%���������� �!�������"�����#���$�������� ������� ������������� �!�������"�����#���$�������� ������� ���

SummarySummary• Problem Definition• Personalization based on Symbolic Data

Analysis– CMBF– SMCF– HMBF

• Experimental Evaluation

Page 4: Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis Tools for Recommendation Systems ˘ˇˆ ... 5 D2 A1,A2,A7,A8 G3 F 4 D3 A3,A5,A6,A7

�������������������������� �������������������������������������������������������������������� ����������������������������������

&&&���������� �!�������"�����#���$�������� ������� ������������� �!�������"�����#���$�������� ������� ���

ProblemProblem DefinitionDefinition• Key issues

– Which kind of information should be added in the user profile?

– How to acquire information about the user preference?– How to represent the user profile in computer memory?– How to recommend items to the user based on his

profile?– How much information we need about the user in order

to delivery good recommendations?– How Symbolic Data Analysis can be a powerful tool to

the Recommendation Systems field?

Page 5: Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis Tools for Recommendation Systems ˘ˇˆ ... 5 D2 A1,A2,A7,A8 G3 F 4 D3 A3,A5,A6,A7

�������������������������� �������������������������������������������������������������������� ����������������������������������

'''���������� �!�������"�����#���$�������� ������� ������������� �!�������"�����#���$�������� ������� ���

Case Case StudyStudy.: .: MovieMovie RecommendationRecommendation :.:.

• Items attributes

• Rates matrix

G3A1,A2,A7,A8D2F5

G1A3,A5,A6,A7D3F4

G3A2,A3,A7,A8D7F3

G2A4,A6,A8,A9D5F2

G1A1,A3,A4,A5D3F1

GenreCastDirectorMovie

5∅∅∅∅4∅∅∅∅4Vanessa

53541Elaine

5∅∅∅∅223Bryan

∅∅∅∅52∅∅∅∅5Brícia

F5F4F3F2F1

Page 6: Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis Tools for Recommendation Systems ˘ˇˆ ... 5 D2 A1,A2,A7,A8 G3 F 4 D3 A3,A5,A6,A7

�������������������������� �������������������������������������������������������������������� ����������������������������������

������������� �!�������"�����#���$�������� ������� ������������� �!�������"�����#���$�������� ������� ���

PersonalizationPersonalization basedbased ononModal Modal SymbolicSymbolic ProfilesProfiles

CContent ontent MModalodalBBased ased FFiltering Systemiltering System

SSocial ocial MModalodalCCollaborative ollaborative FFiltering Systemiltering System

HHybrid ybrid MModalodalBBased ased FFiltering Systemiltering System

Page 7: Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis Tools for Recommendation Systems ˘ˇˆ ... 5 D2 A1,A2,A7,A8 G3 F 4 D3 A3,A5,A6,A7

�������������������������� �������������������������������������������������������������������� ����������������������������������

(((���������� �!�������"�����#���$�������� ������� ������������� �!�������"�����#���$�������� ������� ���

.: CMBF :..: CMBF :.

Content ModalContent ModalBased Filtering SystemBased Filtering System

Page 8: Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis Tools for Recommendation Systems ˘ˇˆ ... 5 D2 A1,A2,A7,A8 G3 F 4 D3 A3,A5,A6,A7

�������������������������� �������������������������������������������������������������������� ����������������������������������

)))���������� �!�������"�����#���$�������� ������� ������������� �!�������"�����#���$�������� ������� ���

.: CMBF :..: CMBF :.• Steps:

1. Build the user profile1. Pre-processing2. Generalization

2. Compare the modal symbolic user profile withthe symbolic description of each item in thetarget repository

3. Build a personalized list to the user based onthe similarity scores obtained in the previousstep

Page 9: Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis Tools for Recommendation Systems ˘ˇˆ ... 5 D2 A1,A2,A7,A8 G3 F 4 D3 A3,A5,A6,A7

�������������������������� �������������������������������������������������������������������� ����������������������������������

������������� �!�������"�����#���$�������� ������� ������������� �!�������"�����#���$�������� ������� ���

.: CMBF :..: CMBF :.((StepStep 1.1 1.1 -- preprocessingpreprocessing))

G3A1,A2,A7,A8D2F5

G1A3,A5,A6,A7D3F4

G3A2,A3,A7,A8D7F3

G2A4,A6,A8,A9D5F2

G1A1,A3,A4,A5D3F1

GêneroElencoDiretorFilme

({G3},(1.0))({A1,A2,A7,A8},(¼, ¼, ¼, ¼))({D2},(1.0))F5

({G1},(1.0))({A3,A5,A6,A7},(¼, ¼, ¼, ¼))({D3},(1.0))F4

({G3},(1.0))({A2,A3,A7,A8},(¼, ¼, ¼, ¼))({D7},(1.0))F3

({G2},(1.0))({A4,A6,A8,A9},(¼, ¼, ¼, ¼))({D5},(1.0))F2

({G1},(1.0))({A1,A3,A4,A5},(¼, ¼, ¼, ¼))({D3},(1.0))F1

Filme DirectorFi

X~ Cast

FiX~ Genre

FiX~

Page 10: Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis Tools for Recommendation Systems ˘ˇˆ ... 5 D2 A1,A2,A7,A8 G3 F 4 D3 A3,A5,A6,A7

�������������������������� �������������������������������������������������������������������� ����������������������������������

*�*�*����������� �!�������"�����#���$�������� ������� ������������� �!�������"�����#���$�������� ������� ���

.: CMBF :..: CMBF :.((StepStep 1.2 1.2 -- generalizationgeneralization))

• For each level of user preference available in the system, we associate a set of modal set of modal symbolic variablessymbolic variables, where each variable concerns with some attribute in the movie domain

1 2 3 4 5

Page 11: Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis Tools for Recommendation Systems ˘ˇˆ ... 5 D2 A1,A2,A7,A8 G3 F 4 D3 A3,A5,A6,A7

�������������������������� �������������������������������������������������������������������� ����������������������������������

******���������� �!�������"�����#���$�������� ������� ������������� �!�������"�����#���$�������� ������� ���

.: CMBF :..: CMBF :.((StepStep 1.2 1.2 -- generalizationgeneralization))

({G3},(1.0))({A1,A2,A7,A8},(¼, ¼, ¼, ¼))({D2},(1.0))

∅∅∅∅∅∅∅∅∅∅∅∅

({G1},(1.0))({A1,A3,A4,A5},(¼, ¼, ¼, ¼))({D3},(1.0))

({G2,G3},(½,½))({A2,A3,A4,A6,A7,A8,A9}, (1/8,1/8,1/8,1/8,1/8,1/4,1/8))({D5,D7},(½,½))

∅∅∅∅∅∅∅∅∅∅∅∅

GenreCastDirectorMovie

1Bryany

2Bryany

3Bryany

4Bryany

5Bryany

5∅∅∅∅223Bryan

F5F4F3F2F1

Page 12: Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis Tools for Recommendation Systems ˘ˇˆ ... 5 D2 A1,A2,A7,A8 G3 F 4 D3 A3,A5,A6,A7

�������������������������� �������������������������������������������������������������������� ����������������������������������

*�*�*����������� �!�������"�����#���$�������� ������� ������������� �!�������"�����#���$�������� ������� ���

.: CMBF :..: CMBF :.ComparingComparing thethe useruser profileprofile withwith some item some item

((StepStep 2)2)• Preprocess each target item ii in the repository, building the

modal symbolic descriptions of each one

• The following function measures the similarity between theuser profile uu and the item ii

where

Page 13: Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis Tools for Recommendation Systems ˘ˇˆ ... 5 D2 A1,A2,A7,A8 G3 F 4 D3 A3,A5,A6,A7

�������������������������� �������������������������������������������������������������������� ����������������������������������

*%*%*%���������� �!�������"�����#���$�������� ������� ������������� �!�������"�����#���$�������� ������� ���

.: CMBF :..: CMBF :.ComparingComparing thethe useruser profileprofile withwith some item some item

((StepStep 2)2)

• The dissimilarity function φ takes into account the differences in the supportsupport and the associated weight distributionsweight distributions.

[ ]�=

+=p

jjgjcdjgjcfiu iquqiSuS

pxy

g1

))(),(())(),((211

)~,( φφφ

Page 14: Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis Tools for Recommendation Systems ˘ˇˆ ... 5 D2 A1,A2,A7,A8 G3 F 4 D3 A3,A5,A6,A7

�������������������������� �������������������������������������������������������������������� ����������������������������������

*&*&*&���������� �!�������"�����#���$�������� ������� ������������� �!�������"�����#���$�������� ������� ���

.: CMBF :..: CMBF :.Suggesting Items (Step 3)Suggesting Items (Step 3)

• Sort the items of the repository according to their respective scores produced in the previous step.

Page 15: Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis Tools for Recommendation Systems ˘ˇˆ ... 5 D2 A1,A2,A7,A8 G3 F 4 D3 A3,A5,A6,A7

�������������������������� �������������������������������������������������������������������� ����������������������������������

*'*'*'���������� �!�������"�����#���$�������� ������� ������������� �!�������"�����#���$�������� ������� ���

.: HMBF :..: HMBF :.

Hybrid ModalHybrid ModalBased Filtering SystemBased Filtering System

Page 16: Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis Tools for Recommendation Systems ˘ˇˆ ... 5 D2 A1,A2,A7,A8 G3 F 4 D3 A3,A5,A6,A7

�������������������������� �������������������������������������������������������������������� ����������������������������������

*�*�*����������� �!�������"�����#���$�������� ������� ������������� �!�������"�����#���$�������� ������� ���

.: HMBF :..: HMBF :.

• Steps:1. Build the user profile2. Compute the similarity between the active

user and other users in the community3. Select the h nearest neighbors4. Build the personalized list for the active

user based on the suggestions of his neighbors

����������������������

����� ���

�������

����� ���

�������

Page 17: Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis Tools for Recommendation Systems ˘ˇˆ ... 5 D2 A1,A2,A7,A8 G3 F 4 D3 A3,A5,A6,A7

�������������������������� �������������������������������������������������������������������� ����������������������������������

*(*(*(���������� �!�������"�����#���$�������� ������� ������������� �!�������"�����#���$�������� ������� ���

.: HMBF :..: HMBF :.ComparingComparing UserUser ProfilesProfiles ((StepStep 2)2)

• The comparison between u e v is accomplished through the similarity function:

• Where:

Page 18: Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis Tools for Recommendation Systems ˘ˇˆ ... 5 D2 A1,A2,A7,A8 G3 F 4 D3 A3,A5,A6,A7

�������������������������� �������������������������������������������������������������������� ����������������������������������

*)*)*)���������� �!�������"�����#���$�������� ������� ������������� �!�������"�����#���$�������� ������� ���

1 2 3 4 5

ΨΨ

φ φ φ φ φ

After execution of step 2 for all users, we go forwardwith step 3 by selecting the h best users according ΨΨΨΨ.

.: HMBF :..: HMBF :.ComparingComparing UserUser ProfilesProfiles ((StepStep 2)2)

Page 19: Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis Tools for Recommendation Systems ˘ˇˆ ... 5 D2 A1,A2,A7,A8 G3 F 4 D3 A3,A5,A6,A7

�������������������������� �������������������������������������������������������������������� ����������������������������������

*�*�*����������� �!�������"�����#���$�������� ������� ������������� �!�������"�����#���$�������� ������� ���

.: HMBF :..: HMBF :.Suggesting Items Suggesting Items ((StepStep 4)4)

• After computing the neighborhood of the active user, we select the most valued items for this users and recommend them for the active user, taking into account the level of similarity between the active user and a given neighbor.

Page 20: Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis Tools for Recommendation Systems ˘ˇˆ ... 5 D2 A1,A2,A7,A8 G3 F 4 D3 A3,A5,A6,A7

�������������������������� �������������������������������������������������������������������� ����������������������������������

���������������� �!�������"�����#���$�������� ������� ������������� �!�������"�����#���$�������� ������� ���

.: SMCF :..: SMCF :.

Social ModalSocial ModalCollaborative Filtering SystemCollaborative Filtering System

Page 21: Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis Tools for Recommendation Systems ˘ˇˆ ... 5 D2 A1,A2,A7,A8 G3 F 4 D3 A3,A5,A6,A7

�������������������������� �������������������������������������������������������������������� ����������������������������������

�*�*�*���������� �!�������"�����#���$�������� ������� ������������� �!�������"�����#���$�������� ������� ���

.: SMCF :..: SMCF :.

• Steps:1. Build the user profile2. Compute the similarity between the

active user and other users in the community

3. Select the h nearest neighbors4. Build the personalized list for the active

user based on the suggestions of his neighbors

HMBFHMBF≠≠≠≠≠≠≠≠

SMCFSMCF

HMBFHMBF==

SMCFSMCF

Page 22: Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis Tools for Recommendation Systems ˘ˇˆ ... 5 D2 A1,A2,A7,A8 G3 F 4 D3 A3,A5,A6,A7

�������������������������� �������������������������������������������������������������������� ����������������������������������

���������������� �!�������"�����#���$�������� ������� ������������� �!�������"�����#���$�������� ������� ���

.: SMCF :..: SMCF :.

5∅∅∅∅4∅∅∅∅4Vanessa

53541Elaine

5∅∅∅∅223Bryan

∅∅∅∅52∅∅∅∅5Brícia

F5F4F3F2F1

0%

5%10%

15%20%

25%30%

35%40%45%

50%

1 2 3 4 5

Page 23: Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis Tools for Recommendation Systems ˘ˇˆ ... 5 D2 A1,A2,A7,A8 G3 F 4 D3 A3,A5,A6,A7

�������������������������� �������������������������������������������������������������������� ����������������������������������

�%�%�%���������� �!�������"�����#���$�������� ������� ������������� �!�������"�����#���$�������� ������� ���

.: SMCF :..: SMCF :.((StepStep 1.1 1.1 –– preprocessingpreprocessing))

5∅∅∅∅4∅∅∅∅4Vanessa

53541Elaine

5∅∅∅∅223Bryan

∅∅∅∅52∅∅∅∅5Brícia

F5F4F3F2F1

Page 24: Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis Tools for Recommendation Systems ˘ˇˆ ... 5 D2 A1,A2,A7,A8 G3 F 4 D3 A3,A5,A6,A7

�������������������������� �������������������������������������������������������������������� ����������������������������������

�&�&�&���������� �!�������"�����#���$�������� ������� ������������� �!�������"�����#���$�������� ������� ���

.: SMCF :..: SMCF :.((StepStep 1.1 1.1 –– preprocessingpreprocessing))

5∅∅∅∅4∅∅∅∅4Vanessa

53541Elaine

5∅∅∅∅223Bryan

∅∅∅∅52∅∅∅∅5Brícia

F5F4F3F2F1

Page 25: Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis Tools for Recommendation Systems ˘ˇˆ ... 5 D2 A1,A2,A7,A8 G3 F 4 D3 A3,A5,A6,A7

�������������������������� �������������������������������������������������������������������� ����������������������������������

�'�'�'���������� �!�������"�����#���$�������� ������� ������������� �!�������"�����#���$�������� ������� ���

.: SMCF :..: SMCF :.((StepStep 1.2 1.2 -- generalizationgeneralization))

5∅∅∅∅223Bryan

F5F4F3F2F1

Page 26: Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis Tools for Recommendation Systems ˘ˇˆ ... 5 D2 A1,A2,A7,A8 G3 F 4 D3 A3,A5,A6,A7

�������������������������� �������������������������������������������������������������������� ����������������������������������

���������������� �!�������"�����#���$�������� ������� ������������� �!�������"�����#���$�������� ������� ���

1 2 3 4 5

ΨΨ

φ φ φ φ φ

After execution of step 2 for all users, we go forwardwith step 3 by selecting the h best users according ΨΨΨΨ.

.: SMCF :..: SMCF :.ComparingComparing UserUser ProfilesProfiles ((StepStep 2)2)

Page 27: Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis Tools for Recommendation Systems ˘ˇˆ ... 5 D2 A1,A2,A7,A8 G3 F 4 D3 A3,A5,A6,A7

�������������������������� �������������������������������������������������������������������� ����������������������������������

�(�(�(���������� �!�������"�����#���$�������� ������� ������������� �!�������"�����#���$�������� ������� ���

.: SMCF :..: SMCF :.SuggestingSuggesting ItemsItems ((StepStep 4)4)

• Similar to step 4 of the HMBF!

Page 28: Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis Tools for Recommendation Systems ˘ˇˆ ... 5 D2 A1,A2,A7,A8 G3 F 4 D3 A3,A5,A6,A7

�������������������������� �������������������������������������������������������������������� ����������������������������������

�)�)�)���������� �!�������"�����#���$�������� ������� ������������� �!�������"�����#���$�������� ������� ���

ExperimentalExperimentalEvaluationEvaluation

Page 29: Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis Tools for Recommendation Systems ˘ˇˆ ... 5 D2 A1,A2,A7,A8 G3 F 4 D3 A3,A5,A6,A7

�������������������������� �������������������������������������������������������������������� ����������������������������������

���������������� �!�������"�����#���$�������� ������� ������������� �!�������"�����#���$�������� ������� ���

Experimental EvaluationExperimental Evaluation• Objective: investigate the quality of personalized

recommendations taking into account the following issues– Size of the user community– Number of items in the user profile– User preferences aquiring process

• Domain: movie recommendations• Database: EachMovie + IMDB• Methods: CMBF, SMCF, HMBF, kNN-CF, kNN-CB• Metrics: half-life, precision, recall, f-measure, speed• Methodology

– inverted 10-fold cross validation X holdout

Page 30: Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis Tools for Recommendation Systems ˘ˇˆ ... 5 D2 A1,A2,A7,A8 G3 F 4 D3 A3,A5,A6,A7

�������������������������� �������������������������������������������������������������������� ����������������������������������

%�%�%����������� �!�������"�����#���$�������� ������� ������������� �!�������"�����#���$�������� ������� ���

Experimental EvaluationExperimental Evaluation

Page 31: Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis Tools for Recommendation Systems ˘ˇˆ ... 5 D2 A1,A2,A7,A8 G3 F 4 D3 A3,A5,A6,A7

Byron Leite Dantas BezerraByron Leite Dantas [email protected]@dsc.upe.br

Francisco Assis Tenório CarvalhoFrancisco Assis Tenório [email protected]@cin.ufpe.br

Centro de Informática Centro de Informática –– CInCIn/UFPE/UFPERecife Recife –– Pernambuco Pernambuco –– BrasilBrasil

Symbolic Data Analysis Tools for Symbolic Data Analysis Tools for Recommendation SystemsRecommendation Systems

Page 32: Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis Tools for Recommendation Systems ˘ˇˆ ... 5 D2 A1,A2,A7,A8 G3 F 4 D3 A3,A5,A6,A7

�������������������������� �������������������������������������������������������������������� ����������������������������������

%�%�%����������� �!�������"�����#���$�������� ������� ������������� �!�������"�����#���$�������� ������� ���

Avaliação ExperimentalAvaliação Experimental

Page 33: Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis Tools for Recommendation Systems ˘ˇˆ ... 5 D2 A1,A2,A7,A8 G3 F 4 D3 A3,A5,A6,A7

�������������������������� �������������������������������������������������������������������� ����������������������������������

%%%%%%���������� �!�������"�����#���$�������� ������� ������������� �!�������"�����#���$�������� ������� ���

Avaliação ExperimentalAvaliação Experimental

Page 34: Symbolic Data Analysis Tools for Recommendation Systems · 2009. 6. 16. · Symbolic Data Analysis Tools for Recommendation Systems ˘ˇˆ ... 5 D2 A1,A2,A7,A8 G3 F 4 D3 A3,A5,A6,A7

�������������������������� �������������������������������������������������������������������� ����������������������������������

%&%&%&���������� �!�������"�����#���$�������� ������� ������������� �!�������"�����#���$�������� ������� ���

Avaliação ExperimentalAvaliação Experimental


Recommended