Biblioteca122.739 documentos en línea

Artículo

Leveraging Multiactions to Improve Medical Personalized Ranking for Collaborative FilteringAprovechamiento de las multiacciones para mejorar la clasificación médica personalizada en el filtrado colaborativo

Resumen

Hoy en día, la prestación de servicios de recomendación de alta calidad a los usuarios es un componente esencial de las aplicaciones web, incluidas las compras, la creación de amistades y la asistencia sanitaria. Esto puede considerarse como un problema de estimación de las preferencias de los usuarios mediante la explotación de comentarios explícitos (valoraciones numéricas) o como un problema de clasificación colaborativa con comentarios implícitos (por ejemplo, compras, visitas y clics). Los trabajos anteriores para resolver este problema incluyen métodos de regresión puntual y métodos de clasificación por pares. Los nuevos sitios web de atención sanitaria y las bases de datos médicos en línea plantean un nuevo reto para la recomendación de servicios médicos. En este trabajo, desarrollamos un modelo, MBPR (Medical Bayesian Personalized Ranking over multiple users' actions), basado en la simple observación de que los usuarios tienden a asignar rangos más altos a cierto tipo de servicios sanitarios que entretanto son preferidos en otras acciones de los usuarios. Los resultados experimentales sobre conjuntos de datos del mundo real demuestran que MBPR consigue recomendaciones más precisas que varios métodos del estado del arte y muestra su generalidad y escalabilidad a través de experimentos sobre los conjuntos de datos de una aplicación móvil de compras.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento