Content based news recommendation system based on fuzzy logic

Adnan, Md. Nuruddin Monsur; Chowdury, Mohammed Rashid; Taz, Iftifar; Ahmed, Tauqir; Rahman, Rashedur M.

doi:10.1109/iciev.2014.6850800

Cited by 22 publications

(12 citation statements)

References 8 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Here it is worthy to note the development of tag-based user profiling methods for improving recommendations [9], where user profiles are built through a folksonomy-based approach that evaluates items according to the membership degrees to various attribute values, which are then used to compute the fuzzy user profile. Additionally, in the last few years further works on the use of fuzzy tools for modelling specific items' features in CBRS have been developed [2,5,14,69,96,99,104,126].…”

Section: Proposalsmentioning

confidence: 99%

See 1 more Smart Citation

Fuzzy Tools in Recommender Systems: A Survey

Toledo¹,

Martínez²

2017

IJCIS

152

View full text Add to dashboard Cite

Recommender systems are currently successful solutions for facilitating access for online users to the information that fits their preferences and needs in overloaded search spaces. In the last years several methodologies have been developed to improve their performance. This paper is focused on developing a review on the use of fuzzy tools in recommender systems, for detecting the more common research topics and also the research gaps, in order to suggest future research lines for boosting the current developments in fuzzy-based recommender systems. Specifically, it is developed an analysis of the papers focused at such aim, indexed in Thomson Reuters Web of Science database, in terms of they key features, evaluation strategies, datasets employed, and application areas.

show abstract

Section: Proposalsmentioning

confidence: 99%

“…No Environmental activities Adnan et al [2] A news recommendation scenario supported by fuzzy logic No No News Anand and Mampilli [9] Tag-based user profiling method for improving recommendations Precision and Rank Accuracy…”

Section: Nomentioning

confidence: 99%

Fuzzy Tools in Recommender Systems: A Survey

Toledo¹,

Martínez²

2017

IJCIS

152

View full text Add to dashboard Cite

show abstract

“…Content-based filtering [36][37][38][39][40][41][42]: the items recommended to a user have similar content to the items that this user chose in the past, that is, only the items of high similarity with past user preferences are recommended. Content-based filtering methods have the advantage of not being dependent on the ratings of other users.…”

mentioning

confidence: 99%

Using Opinion Mining in Context-Aware Recommender Systems: A Systematic Review

et al. 2019

View full text Add to dashboard Cite

Recommender systems help users by recommending items, such as products and services, that can be of interest to these users. Context-aware recommender systems have been widely investigated in both academia and industry because they can make recommendations based on a user’s current context (e.g., location and time). Moreover, the advent of Web 2.0 and the growing popularity of social and e-commerce media sites have encouraged users to naturally write texts describing their assessment of items. There are increasing efforts to incorporate the rich information embedded in user’s reviews/texts into the recommender systems. Given the importance of this type of texts and their usage along with opinion mining and contextual information extraction techniques for recommender systems, we present a systematic review on the recommender systems that explore both contextual information and opinion mining. This systematic review followed a well-defined protocol. Its results were based on 17 papers, selected among 195 papers identified in four digital libraries. The results of this review give a general summary of the current research on this subject and point out some areas that may be improved in future primary works.

show abstract

“…Na filtragem baseada em conteúdo (PAZZANI; BILLSUS, 1997;PAZ-ZANI, 2000;ROY, 2000;AHN et al, 2007;ALANAZI;BAIN, 2013;ALBATAY-NEH;GHAUTH;CHUA, 2014;ADNAN et al, 2014) os itens recomendados a um usuário têm conteúdo semelhante aos itens que esse usuário escolheu no passado, ou seja, apenas os itens de alta similaridade com as preferências anteriores do usuário são recomendados. Os métodos de filtragem baseados em conteúdo têm a vantagem de não depender das avaliações de outros usuários.…”

Section: Sistemas De Recomendação Sensíveis Ao Contextounclassified

Extração de contexto de reviews para sistemas de recomendação utilizando mineração de textos e opiniões

Sundermann¹

View full text Add to dashboard Cite

Pelo carinho, afeto, dedicação e cuidado que meus pais me deram durante toda a minha existência, dedico esta tese a eles. Com muita gratidão. AGRADECIMENTOSAgradeço a Deus por tantas oportunidades e pessoas maravilhosas colocadas em minha vida.Agradeço a minha família: meus pais Arnaldo e Cidinha, meu filho Kauê e meu noivo Febirson, pela força e motivação para nunca desistir, mesmo com todas as adversidades enfrentadas nesse período. E com tudo, agradeço pela paciência infinita.Agradeço as minhas amigas, quase irmãs, que só pela presença me confortam e me incentivam a não desanimar. Ivone, Roberta e Jéssica, foram muitos risos, choros, cafés e jogos para distrair. Além do inesquecível show do Coldplay.Agradeço imensamente minha orientadora. Sempre muito amiga e compreensível. Orientando além da vida acadêmica, também a vida pessoal. Dando conselhos e me motivando nas horas mais difíceis. Agradeço pela primeira aula na disciplina de Tópicos Avançados em IA. Foi nesse momento que descobri minha paixão por IA e ganhei uma orientadora de TCC, mestrado e doutorado.Agradeço ao Anand pelas orientações e ensinamentos profissionais e pessoais, além das revisões de artigos em inglês. Não poderia deixar de agradecer ao meu co-orientador Marcos Domingues. Devo muitos agradecimentos pela orientação, pelos ensinamentos e pelas parcerias.Agradeço aos parceiros e colaboradores: Roberta Sinoara, Ivone Matsuno, João Antunes, Ricardo Marcacini, Renan de Pádua, Vítor Tonon, entre outros que foram pessoas relevantes para a realização deste trabalho.Agradeço a todos os amigos do Labic pelos vários anos dividindo tantos momentos. Pelas parcerias, ajudas e risadas compartilhadas.Agradeço à Itera (Val e Marco) pela oportunidade e confiança e a todos meus amigos de trabalho que deixam meus dias mais leves.Agradeço ao ICMC -USP, funcionários e professores pelos quase 13 anos de estudos, aprendizados e crescimento pessoal e profissional.Por fim, mas não menos importante, agradeço à CAPES pelo auxílio financeiro que possibilitou o desenvolvimento deste doutorado e os resultados obtidos. uma técnica de extração de contexto baseada em word embeddings; (iii) uma técnica de extração de contexto baseada em regras de associação, a RulesContext; e (iv) uma técnica de extração de contexto baseada em mineração de opiniões no nível dos aspectos, a CEOM. Essas propostas foram avaliadas considerando a base de reviews Yelp, sistemas de recomendação baseados nos vizinhos mais próximos, sistemas de recomendação baseados em fatoração de matrizes e diferentes baselines. Os resultados demonstraram que o uso das informações extraídas pelas técnicas propostas levaram a geração de recomendações mais precisas.Palavras-chave: Contexto, Sistemas de Recomendação, Mineração de Textos, Mineração de Opiniões.ABSTRACT SUNDERMANN, C. V. Extraction of context from reviews for recommender systems using text and opinion mining. 2020. 153 p. Tese (Doutorado em Ciências -Today, with the information, service and product overload on the Web, users have found it difficult to id...

show abstract

Content based news recommendation system based on fuzzy logic

Cited by 22 publications

References 8 publications

Fuzzy Tools in Recommender Systems: A Survey

Fuzzy Tools in Recommender Systems: A Survey

Using Opinion Mining in Context-Aware Recommender Systems: A Systematic Review

Extração de contexto de reviews para sistemas de recomendação utilizando mineração de textos e opiniões

Contact Info

Product

Resources

About