Last update: RNDr. Michal Kopecký, Ph.D. (11.05.2017)
Recommender systems are both an interesting research topic as well as an important commercial application.
The main task of recommender systems is to provide user with surprising, hard to find yet relevant objects.
Recommender systems are employed alongside with common search engines on numerous enterprises on the web and beyond.
This course covers common working principles of recommender systems, its learning methods, data types, requirements and evaluation.
Last update: RNDr. Michal Kopecký, Ph.D. (11.05.2017)
Doporučovací systémy představují zajímavou oblast výzkumu, která nalezla praktickou aplikaci především v „data intensive“ webových projektech.
Základem doporučovacích systémů jsou algoritmy strojového učení, které na základě minulého chování uživatele odhadují jeho budoucí preference a doporučují potenciálně relevantní, ale jinak složitě nalezitelné objekty.
Předmět má za cíl poskytnout přehled o základních algoritmech, typech dat, požadavcích a vyhodnocování doporučovacích systémů a následně podrobněji rozvinout některé aspekty praktického vývoje doporučovacích systémů.
Course completion requirements -
Last update: Mgr. Ladislav Peška, Ph.D. (02.10.2017)
oral exam (areas covered during lectures)
active participation on seminars
presentation of selected paper or individual project
participation on seminars may be substituted by more complex individual project
Last update: Mgr. Ladislav Peška, Ph.D. (02.10.2017)
ústní zkouška v rozsahu látky probírané na přednáškách
aktivní účast na cvičeních
referát, nebo vypracování individuálního projektu
neúčast na cvičeních je možné po dohodě nahradit vypracováním rozsáhlejšího projektu
Literature -
Last update: RNDr. Michal Kopecký, Ph.D. (11.05.2017)
Ricci, F. et al (Eds): Recommender Systems Handbook, Springer, 2011
Jannach, D. et al (Eds): Recommender Systems: An Introduction, Cambridge University Press, 2011
Marius Kaminskas, Derek Bridge, Franclin Foping and Donogh Roche: Product-Seeded and Basket-Seeded Recommendations for Small-Scale Retailers, Journal on Data Semantics, pp.1-12, 2016.
Steffen Rendle, Christoph Freudenthaler, Zeno Gantner, and Lars Schmidt-Thieme. BPR: Bayesian personalized ranking from implicit feedback. In UAI '09. AUAI Press, 2009, 452-461.
Nguyen, J. & Zhu, M. Content-boosted matrix factorization techniques for recommender systems. Statistical Analysis and Data Mining, Wiley Subscription Services, Inc., A Wiley Company, 2013, 6, 286-301
Gorgoglione, M.; Panniello, U. & Tuzhilin, A.: The effect of context-aware recommendations on customer purchasing behavior and trust. Proceedings of the fifth ACM conference on Recommender systems, ACM, 2011, 85-92
Last update: RNDr. Michal Kopecký, Ph.D. (11.05.2017)
Ricci, F. et al (Eds): Recommender Systems Handbook, Springer, 2011
Jannach, D. et al (Eds): Recommender Systems: An Introduction, Cambridge University Press, 2011
Marius Kaminskas, Derek Bridge, Franclin Foping and Donogh Roche: Product-Seeded and Basket-Seeded Recommendations for Small-Scale Retailers, Journal on Data Semantics, pp.1-12, 2016.
Steffen Rendle, Christoph Freudenthaler, Zeno Gantner, and Lars Schmidt-Thieme. BPR: Bayesian personalized ranking from implicit feedback. In UAI '09. AUAI Press, 2009, 452-461.
Nguyen, J. & Zhu, M. Content-boosted matrix factorization techniques for recommender systems. Statistical Analysis and Data Mining, Wiley Subscription Services, Inc., A Wiley Company, 2013, 6, 286-301
Gorgoglione, M.; Panniello, U. & Tuzhilin, A.: The effect of context-aware recommendations on customer purchasing behavior and trust. Proceedings of the fifth ACM conference on Recommender systems, ACM, 2011, 85-92
Syllabus -
Last update: RNDr. Michal Kopecký, Ph.D. (11.05.2017)
Introduction to Recommender Systems - mission, requirements, methods, data
Collaborative filtering and matrix factorization methods
Content-based filtering
Linked Open Data in recommender systems
User Feedback
Hybrid and context-aware recommender systems, handheld devices
Explanations, trust, social networks
Evaluation of recommender systems, real-world applications
Last update: RNDr. Michal Kopecký, Ph.D. (11.05.2017)
Úvod do doporučovacích systémů - cíle, požadavky, metody, data
Metody kolaborativního filtrování, faktorizace matic
Metody content-based filtrování
Linked Open Data v doporučovacích systémech
Uživatelská zpětná vazba
Hybridní a context-aware doporučovací systémy, mobilní zařízení
