Evaluating Natural User Preferences for Selective Retrieval

0331862 - ÚI 2010 RIV US eng C - Conference Paper (international conference)
Eckhardt, Alan - Vojtáš, Peter
Evaluating Natural User Preferences for Selective Retrieval.
[Využití přirozených uživatelských preferencí při dotazování.]
Proceedings of 2009 IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology. Vol. 3. Los Alamitos: IEEE Computer Society, 2009 - (Boldi, P.; Vizzari, G.; Pasi, G.; Baeza-Yates, R.), s. 104-107. ISBN 978-0-7695-3801-3.
[WI-IAT 2009 Workshops. IEEE/WIC/ACM 2009 International Conference on Web Intelligence and Intelligent Agent Technology. Milan (IT), 15.09.2009-18.09.2009]
R&D Projects: GA AV ČR 1ET100300517; GA ČR GD201/09/H057
Institutional research plan: CEZ:AV0Z10300504
Keywords : data-mining * user preferences * decision support
Subject RIV: IN - Informatics, Computer Science

Learning user preferences is a complex area, especially difficult for performing experiments - every person is different and has different preferences, which often change in time. In this paper, we propose a method for testing a preference learning method that is in a sense more general than our previous attempts of testing an inductive method. We address the issue of limited rating set that results on larger datasets into more objects with the highest rating.

Učení uživatelských preferencí je komplexní obor, výrazně obtížné je provádění experimentů - každý člověk je jiný a má jiné preference, které se navíc často mění v čase. V tomto článku navrhujeme metodu pro testování metod učení uživatelských preferencí, která je v jistém ohledu více obecná než předchozí návrhy. Řešíme také problém omezené velikosti trénovací sady, která způsobuje, že mnoho objektů dostane nejvyšší hodnocení.
Permanent Link: http://hdl.handle.net/11104/0177266