SemRevRec: a recommender system based on user reviews and linked data

Tipo di pubblicazione: Articolo in atti di convegno
Tipologia MIUR: Contributo in Atti di Convegno (Proceeding) > Contributo in atti di convegno
Titolo: SemRevRec: a recommender system based on user reviews and linked data
Autori: Vagliano, Iacopo; Monti, Diego; Morisio, Maurizio
Autori di ateneo:
Tipo di referee: Esperti anonimi
ISSN: 1613-0073
Volume: Proceedings of the Poster Track of the 11th ACM Conference on Recommender Systems (Poster-RecSys 2017)
Titolo del convegno: 11th ACM Conference on Recommender Systems
Luogo dell'evento: Como (Italy)
Data dell'evento: August 28, 2017
Abstract: Traditionally, recommender systems exploit user ratings to infer preferences. However, the growing popularity of social platforms has encouraged users to write textual reviews about liked items. These reviews represent a valuable source of non-trivial information that could improve users' decision processes. In this paper we propose a novel recommendation approach based on the semantic annotation of entities mentioned in user reviews and on the knowledge available in the Web of Data. We compared our recommender system with two baseline algorithms and a state-of-the-art Linked Data based approach. Our system provided more diverse recommendations with respect to the other techniques considered, while obtaining a better accuracy than the Linked Data based method.
Data: 2017
Status: Pubblicato
Lingua della pubblicazione: Inglese
Parole chiave: semantic annotation, linked data, dbpedia, semantic web, recommender system, user reviews
Dipartimenti (originale): DAUIN - Dipartimento di Automatica Informatica
Dipartimenti: DAUIN - Dipartimento di Automatica e Informatica
URL correlate:
Area disciplinare: Area 09 - Ingegneria industriale e dell'informazione > SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI
Data di deposito: 01 Set 2017 12:14
Progetti europei: ?? H2020_693092 ??
Data ultima modifica (IRIS): 01 Set 2017 12:37:07
Data inserimento (PORTO): 04 Set 2017 14:48
Link resolver URL: Link resolver link


PDF (recsys2017_poster10.pdf) - Postprint
Accesso al documento: Visibile (Ad accesso aperto)
Licenza: Pubblico - Tutti i diritti riservati.

Download (484Kb (496395 bytes)) | Preview

Azioni (richiesto il login)

Visualizza il documento (riservato amministratori) Visualizza il documento (riservato amministratori)

Statistiche sul Download degli allegati

Altre statistiche su questa pubblicazione...