haku: @keyword LSI/SVD / yhteensä: 1
hakutulos-lista
viite: 1 / 1
« edellinen | seuraava »
Tekijä:Nguyen, Hoang Anh
Työn nimi:Selection of Trust Mechanism in Recommender Systems
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2009
Sivut:(10+) 56      Kieli:   eng
Koulu/Laitos/Osasto:Tietotekniikan laitos
Oppiaine:Tietokoneverkot   (T-110)
Valvoja:Tarkoma, Sasu ; Laud, Peeter
Ohjaaja:Tavakolifard, Mozhgan
OEVS:
Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje
sulje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa.

Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/

Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.

Kirjautuminen asiakaskoneille

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
Sijainti:P1 Ark Aalto     | Arkisto
Avainsanat:recommender systems
coliaborative filtering
trust
reputation
LSI/SVD
EigenTrust
trust inference
Tiivistelmä (eng): Recommender Systems (RS) have emerged as an important response to the so-called information overload problem.
They enable users to share their opinions and benefit from each other's.
Recommender algorithms are best known for their use on e-commerce Web sites to help users find products they would appreciate from huge catalogues.
The products may vary from books (e.g., Amazon.com), movies (e.g., Netflix), photographs (e.g.
Flickr.com), or web sites (e.g., del.icio.us)...
The traditional collaborative filtering techniques are able to provide high-quality recommendations by leveraging the preferences of similar users.
However, recent researches have suggested that the traditional focus on user similarity may not be sufficient.
Additional factors, especially trust may have an important role when it comes to making recommendations.

In this thesis, we study the different algorithms and the use of trust to improve the performance of collaborative filtering recommender systems.
Our evaluation on MovieLens dataset shows that the dimensionality reduction method that uses LSI/SVD technique helps in providing better quality of recommendations.
Trust also has positive impact on overall prediction error rates, however, giobal trust metrics may not he appropriate for trust-aware recommender systems due to their non-personalized nature.
ED:2009-09-07
INSSI tietueen numero: 38297
+ lisää koriin
« edellinen | seuraava »
INSSI