¿Dónde puedo encontrar documentos relacionados con los sistemas de recomendación que utilizan información semántica?

Creo que se trata de buscar las palabras clave correctas en los lugares correctos. Algunas de las palabras clave pueden incluir esquema. org, rdfa, rdf y similares.

Aquí hay algunos enlaces a sistemas que conozco. Si lees esto, extraes algunas palabras clave buenas de las descripciones y buscas en Google, Google Scholar, SlideShare y YouTube, puedes encontrar otras.

El viaje del esquema de Best Buy: antes y ahora Por Jay Myers

GoodRelations ontology – Hepp

Habilitación de la interoperabilidad de la reputación a través de tecnologías semánticas

Actualización deportiva: publicación semántica dinámica

Recomendaciones musicales con 300 millones de puntos de datos y una consulta SQL

Se han dado charlas sobre muchos sistemas como estos en la Semantic Technology & Business Conference 2014 y otros eventos web semánticos.

Para trabajos académicos específicamente, he encontrado útil usar la Búsqueda avanzada y especificar el formato .pdf y el dominio .edu.

La información semántica no es diferente a los sistemas de recomendación que analizan el contenido de alguna manera (por ejemplo, resultados de búsqueda de Google). Intente con Google para el aprendizaje de características relacionadas con los casos de uso de información semántica.

Para que los sistemas de recomendación basados ​​en información semántica sean efectivos, debe utilizar el aprendizaje no supervisado para clasificar las relaciones no obvias en los datos semánticos (aprendizaje de características). El modelo semántico debe definir las relaciones obvias y el usuario debe poder examinarlas fácilmente con herramientas de visualización de estilo gráfico, en cuyo caso no necesariamente necesita un sistema de recomendación para mejorar el descubrimiento de información.

Para casos de uso más complejos, es posible que desee utilizar Q-Learning o Deep Q-Learning Network para mejorar el descubrimiento de información.

Los sistemas de recomendación generalmente usan solo uno de los dos tipos de información: 1) información del producto y 2) información de la transacción.

Los enfoques que aprovechan la información de la transacción pueden utilizar uno de los siguientes:

a) minería frecuente de conjuntos de artículos
b) minería de patrones secuenciales
c) modelos de markov
d) algoritmos de agrupamiento bipartito

Los enfoques que aprovechan la información del producto necesitarían calcular la similitud entre el texto de las descripciones del producto.

Parece haber habido documentos sobre el cálculo de la similitud entre el contenido textual utilizando la semántica distributiva en el contexto de los sistemas de recomendación.

Aquí están los documentos / presentaciones que encontré (creo que todos del mismo grupo):

EVSM contextual: un marco de recomendación basado en el contenido sensible al contexto …

Página en di.uniba.it

Página en di.uniba.it

Señor, si busca en Google por ” sistemas de recomendación que usan información semántica”, obtendrá muchos enlaces en PDF a trabajos de investigación relacionados con este tema.

Gracias y feliz investigando!

Hay mucha literatura sobre este tema. Busque en Google Scholar, CiteSeer y Mendeley.

Aquí hay algunos que encontré: https://scholar.google.co.in/sch