Segmentation Combination Method for Corrective Action Recommendation DOI

Wiwin Suwarningsih,

Christina Juliane

Опубликована: Окт. 4, 2023

The identification of issues in shoe assembly products may exhibit variations over time, necessitating real-time recommendations for corrective actions, which are paramount importance. This paper introduces a novel approach that fuses two methods segmentation-based action recommendations. is pursued because traditional Collaborative Filtering (CF) solely provide suggestions to managers based on trends issue categories observed shoes share similar preferences with the target footwear. However, CF fails account potential dynamics behaviors time. In contrast, rule-based sequential recommendation techniques meticulously analyze evolution across time unveil rules structure behavior during preceding period and current period. If historical targeted corresponds conditional segment rule, then current-period categorized as resultant rule. Sequential derived from sequence groups each category set, thereby furnishing valuable Experimental results underscore efficacy this approach, yielding recall value 89.6%, precision reaching 88.9%, an F1 score 89.2%. These findings exemplify superiority method conventional SR techniques.

Язык: Английский

Підбір персоналізованого контенту для соціальної мережі DOI Creative Commons

Б. В. Дутчак,

Т. О. Коротєєва

Scientific Bulletin of UNFU, Год журнала: 2025, Номер 35(1), С. 165 - 172

Опубликована: Март 6, 2025

Розвиток сучасних соціальних мереж потребує впровадження ефективних систем персоналізації контенту для покращення взаємодії з користувачами. У межах цього дослідження проаналізовано наявні підходи до контенту, враховуючи колаборативну та контентну фільтрацію, матричну факторизацію їх гібридні комбінації із використанням нейронних мереж. Застосовано сучасні моделі вилучення векторних характеристик мультимедійного зокрема CLIP (англ. Contrastive Language-Image Pretraining) – зображень, I3D Inflated 3D Convolutional Networks) відео VGGish аудіо, що дало можливість створити уніфікований набір даних тестування алгоритмів. Проведено оцінювання точності, покриття, різноманітності якості ранжування рекомендацій кожного алгоритму. Досліджено обмеження продуктивності матричної факторизації NCF Neural Collaborative Filtering), які впливають на точність й охоплення рекомендацій. Встановлено, гібридний підхід, який поєднує фільтрації, демонструє найвищі показники точності (Precision@10 = 88 %), різноманітності. З'ясовано, використання гібридного підходу зменшує проблему "cold start" (холодний старт) і підвищує адаптивність системи динамічних змін уподобань користувачів. Виявлено переваги інтеграції традиційними методами, забезпечує більшу гнучкість системи. Наведено перспективи застосування отриманих результатів розробників платформ потокового підвищення рівня залученості Перспективи подальших досліджень містять реальних про вподобання користувачів, вдосконалення гібридних підходів нових моделей оброблення контенту.

Процитировано

0
Sentiment Analysis and Innovative Recommender System: Enhancing Goodreads Book Discovery Using Hybrid Collaborative and Content Based Filtering DOI

Lee Choo Hui,

Pantea Keikhosrokiani, Moussa Pourya Asl

и другие.

Lecture notes on data engineering and communications technologies, Год журнала: 2024, Номер unknown, С. 97 - 111

Опубликована: Янв. 1, 2024

Язык: Английский

Процитировано

0
Comprehensive Review of Collaborative Filtering Techniques DOI

A. L. Bhandari,

Pardeep Singh, Kusum Lata

и другие.

Lecture notes in electrical engineering, Год журнала: 2024, Номер unknown, С. 431 - 444

Опубликована: Янв. 1, 2024

Язык: Английский

Процитировано

0
Segmentation Combination Method for Corrective Action Recommendation DOI

Wiwin Suwarningsih,

Christina Juliane

Опубликована: Окт. 4, 2023

The identification of issues in shoe assembly products may exhibit variations over time, necessitating real-time recommendations for corrective actions, which are paramount importance. This paper introduces a novel approach that fuses two methods segmentation-based action recommendations. is pursued because traditional Collaborative Filtering (CF) solely provide suggestions to managers based on trends issue categories observed shoes share similar preferences with the target footwear. However, CF fails account potential dynamics behaviors time. In contrast, rule-based sequential recommendation techniques meticulously analyze evolution across time unveil rules structure behavior during preceding period and current period. If historical targeted corresponds conditional segment rule, then current-period categorized as resultant rule. Sequential derived from sequence groups each category set, thereby furnishing valuable Experimental results underscore efficacy this approach, yielding recall value 89.6%, precision reaching 88.9%, an F1 score 89.2%. These findings exemplify superiority method conventional SR techniques.

Язык: Английский

Процитировано

0