Change search
ReferencesLink to record
Permanent link

Direct link
A Comparison of Katz-eig and Link-analysis for Implicit Feedback Recommender Systems
Linköping University, Department of Computer and Information Science, Artificial Intelligence and Intergrated Computer systems. Linköping University, Faculty of Science & Engineering.
2015 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesisAlternative title
En jämförelse av Katz-eig och Link-analysis för rekommendationssystem med implicit återkoppling (Swedish)
Abstract [en]

Recommendations are becoming more and more important in a world where there is an abundance of possible choices and e-commerce and content providers are featuring recommendations prominently. Recommendations based on explicit feedback, where user is giving feedback for example with ratings, has been a popular research subject. Implicit feedback recommender systems which passively collects information about the users is an area growing in interest. It makes it possible to generate recommendations based purely from a user's interactions history without requiring any explicit input from the users, which is commercially useful for a wide area of businesses. This thesis builds a recommender system based on implicit feedback using the recommendation algorithms katz-eig and link-analysis and analyzes and implements strategies for learning optimized parameters for different datasets. The resulting system forms the foundation for Comordo Technologies' commercial recommender system.

Abstract [sv]

Rekommendationer blir viktigare och viktigare i en värld där det finns ett överflöd av möjliga val och där e-handel och innehållsleverantörer använder rekommendationer flitigt. Rekommendationer baserad på explicit återkoppling, där användare ger återkoppling med till exempel betyg, har varit ett populärt forskningsområde. Rekommendationssystem med implicit återkoppling som passivt samlar in information om användarna är ett område som blir mer och mer intressant. Det gör det möjligt att generera rekommendationer endast baserat på en användares interaktionshistoria utan krav på explicit input från användarna, vilket är kommersiellt användbart för en rad olika versamheter. Den här uppsatsen bygger ett rekommendationssystem med implicit återkoppling med rekommendationsalgoritmerna katz-eig och link-analysis och analyserar och implementerar optimeringsstrategier för inlärning av optimerade parameterar för olika dataset. Systemet lägger grunden för Comordo Technologies kommersiella rekommendationssystem.

Place, publisher, year, edition, pages
2015. , 85 p.
Keyword [en]
katz-eig, link analysis, recommender systems, machine learning
National Category
Computer Science
URN: urn:nbn:se:liu:diva-119169ISRN: LIU-IDA/LITH-EX-A--15/026--SEOAI: diva2:821501
External cooperation
Comordo Technologies
Subject / course
Computer Engineering
2015-06-10, John Von Neumann, 15:15 (English)
Available from: 2015-06-16 Created: 2015-06-10 Last updated: 2015-06-16Bibliographically approved

Open Access in DiVA

fulltext(17131 kB)1166 downloads
File information
File name FULLTEXT01.pdfFile size 17131 kBChecksum SHA-512
Type fulltextMimetype application/pdf

Other links

Search in DiVA

By author/editor
Hietala, Jonas
By organisation
Artificial Intelligence and Intergrated Computer systemsFaculty of Science & Engineering
Computer Science

Search outside of DiVA

GoogleGoogle Scholar
Total: 1166 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

Total: 188 hits
ReferencesLink to record
Permanent link

Direct link