Context aware recommender system algorithms : state of the art and focus on factorization based methods
Other Title(s)
Algorithmes de systèmes de recommandation sensibles au contexte : état de l’art et focalisation sur les méthodes basées sur la factorisation
Joint Authors
Bin Ibrahim, Huda
al-Hulw, Fatimah al-Zahra
Kassou, Ismail
Source
Issue
Vol. 2017, Issue 10 (31 Dec. 2017), pp.23-37, 15 p.
Publisher
Université Mohammed V-Agdal Ecole Mohammadia d’Ingénieurs
Publication Date
2017-12-31
Country of Publication
Morocco
No. of Pages
15
Main Subjects
Abstract EN
Context Aware Recommender Systems (CARS) have become an important research area since its introduction in 2001 by (Herlocker and Konstan, 2001) and (Adomavicius and Tuzhilin, 2001).
According to the classification of Adomavicius et al.
(Adomavicius and Tuzhilin, 2011), there are three main categories of CARS algorithms: pre-filtering, post-filtering, and contextual modelling ones.
Surprisingly, until the year of 2010, almost no CARS modelling algorithms were suggested, even though contextual modelling recommender systems can theoretically accept more dimensions as contextual variables (Karatzoglou et al., 2010).
Starting from 2010, many contextual modelling CARS algorithms were suggested, most of them are built on factorization models.
In this paper, we first present a state of the art of domain independent CARS algorithms listed following a chronological order.
Then, we study factorization models used for the Context Aware Recommendation task and suggest some possible research directions for developing more performing contextual modelling CARS algorithms..
Abstract FRE
Les systèmes de recommandation sensibles au contexte (CARS) représentent un important champ de recherche depuis leur introduction en 2001 par (Herlocker and Konstan, 2001) et (Adomavicius and Tuzhilin, 2001).
Selon Adomavicius et al.
(Adomavicius and Tuzhilin, 2011), les algorithmes de CARS peuvent être classifiés selon trois principales catégories: pré-filtrage, post-filtrage et algorithmes de modélisation contextuelle.
Étrangement, et jusqu'à l'année 2010, presque aucun algorithme de modélisation contextuelle n'a été proposé, même si les systèmes de recommandations basés sur la modélisation peuvent théoriquement accepter des variables supplémentaires (ici variables contextuelles) (Karatzoglou et al., 2010).
A partir de l'année 2010, plusieurs algorithmes de modélisation contextuelle de CARS ont été proposés, la plupart fondés sur la factorisation.
Dans cet article, nous présentons d'abord, et suivant un ordre chronologique, l'état de l'art des algorithmes de CARS qui sont indépendants du domaine.
Ensuite, nous étudions les modèles de factorisation utilisés et proposons quelques possibles directions de recherche afin de développer des algorithmes de modélisation contextuelle plus performants.
American Psychological Association (APA)
al-Hulw, Fatimah al-Zahra& Bin Ibrahim, Huda& Kassou, Ismail. 2017. Context aware recommender system algorithms : state of the art and focus on factorization based methods. e-TI،Vol. 2017, no. 10, pp.23-37.
https://search.emarefa.net/detail/BIM-904020
Modern Language Association (MLA)
Bin Ibrahim, Huda…[et al.]. Context aware recommender system algorithms : state of the art and focus on factorization based methods. e-TI No. 10 (2017), pp.23-37.
https://search.emarefa.net/detail/BIM-904020
American Medical Association (AMA)
al-Hulw, Fatimah al-Zahra& Bin Ibrahim, Huda& Kassou, Ismail. Context aware recommender system algorithms : state of the art and focus on factorization based methods. e-TI. 2017. Vol. 2017, no. 10, pp.23-37.
https://search.emarefa.net/detail/BIM-904020
Data Type
Journal Articles
Language
English
Notes
Includes bibliographical references : p. 35-37
Record ID
BIM-904020
