Redes Neurais para Sistemas de Recomenda鈬o: uso de Redes Neurais Recorrentes para tratamento de Cold-Start Problem

Redes Neurais para Sistemas de Recomenda鈬o: uso de Redes Neurais Recorrentes para tratamento de Cold-Start Problem

Autor: Marca: Dial騁ica Refer麩cia: 9786525263274

Carregando...
Simulador de Frete
- Calcular frete


 

Descri鈬o

Cold-Start Problem um problema recorrente em Sistemas de Recomenda鈬o nas seguintes situa鋏es: quando um novo item adicionado ao sistema e n縊 possui nenhuma avalia鈬o pr騅ia; ou quando um usu疵io sem histrico de avalia鈬o entra no sistema. Avaliando as diferentes situa鋏es em que o Cold-Start Problem se apresenta, possvel considerar o uso do histrico de navega鈬o como alternativa para gera鈬o de recomenda鋏es. Levando em conta o formato sequencial dos dados, estudos sugerem o uso de Redes Neurais Recorrentes (RNN) por permitir maior entendimento da sequ麩cia de dados e seu contexto. Durante a revis縊 sistem疸ica realizada neste trabalho, as arquiteturas de LSTM, GRU e hbridas aparecem com frequ麩cia entre as pesquisas relacionadas ao tema. Entretanto, os autores dos trabalhos revisados n縊 comparam as arquiteturas entre si, o que crucial para o entendimento das vantagens e desvantagens do uso de dados do histrico de navega鈬o com RNN. Este estudo prope a compara鈬o das arquiteturas de LSTM, GRU e hbridas de RNN atrav駸 da cria鈬o de prottipos utilizando a mesma base de entrada, avaliando suas performances atrav駸 dos valores de Acur當ia, Revoca鈬o, Precis縊 e F1-Score.



Caractersticas

  • Ano: 2022
  • Autor: Mario Toledo
  • Selo: Dial騁ica
  • ISBN: 9786525263274
  • Nコ de P疊inas: 160


Coment疵ios e Avalia鋏es

Deixe seu comentário e sua avalia鈬o







- M痊imo de 512 caracteres.

Clique para Avaliar


  • Avalia鈬o:
Enviar
Fa軋 seu login e comente.

Cold-Start Problem um problema recorrente em Sistemas de Recomenda鈬o nas seguintes situa鋏es: quando um novo item adicionado ao sistema e n縊 possui nenhuma avalia鈬o pr騅ia; ou quando um usu疵io sem histrico de avalia鈬o entra no sistema. Avaliando as diferentes situa鋏es em que o Cold-Start Problem se apresenta, possvel considerar o uso do histrico de navega鈬o como alternativa para gera鈬o de recomenda鋏es. Levando em conta o formato sequencial dos dados, estudos sugerem o uso de Redes Neurais Recorrentes (RNN) por permitir maior entendimento da sequ麩cia de dados e seu contexto. Durante a revis縊 sistem疸ica realizada neste trabalho, as arquiteturas de LSTM, GRU e hbridas aparecem com frequ麩cia entre as pesquisas relacionadas ao tema. Entretanto, os autores dos trabalhos revisados n縊 comparam as arquiteturas entre si, o que crucial para o entendimento das vantagens e desvantagens do uso de dados do histrico de navega鈬o com RNN. Este estudo prope a compara鈬o das arquiteturas de LSTM, GRU e hbridas de RNN atrav駸 da cria鈬o de prottipos utilizando a mesma base de entrada, avaliando suas performances atrav駸 dos valores de Acur當ia, Revoca鈬o, Precis縊 e F1-Score.

Deixe seu comentário e sua avalia鈬o







- M痊imo de 512 caracteres.

Clique para Avaliar


  • Avalia鈬o:
Enviar
Fa軋 seu login e comente.
  • Ano: 2022
  • Autor: Mario Toledo
  • Selo: Dial騁ica
  • ISBN: 9786525263274
  • Nコ de P疊inas: 160


Receba nossas promo鋏es por e-mail: