布鲁诺·维洛索;贝内迪塔·马莱罗;胡安·卡洛斯·布尔基略 用于媒体内容推荐的多代理经纪平台。 (英语) Zbl 1321.93062号 国际期刊申请。数学。计算。科学。 25,第3期,513-527(2015). 摘要:近实时媒体内容个性化是当今媒体内容来源、分销商和观众面临的一大挑战。本文描述了一种无缝推荐、协商和交易个性化媒体内容的方法。它对这个问题采取了综合的观点,在企业对企业(B2B)方面提出了一个经纪平台,以代表媒体内容分销商和来源商谈媒体项目,并在企业对消费者(B2C)方面向观众提供个性化的电子节目指南(EPG)包含协商后建议的项目集。在这种设置中,当查看器连接时,分发服务器会查找并邀请源来协商查看器个人EPG的内容。提出的多代理经纪平台分为四层,对B2B流程的注册、服务协议、合作伙伴查找、邀请以及项目推荐、谈判和交易阶段进行建模。推荐服务是一个基于规则的切换混合过滤器,包括六个协作过滤器和两个基于内容的过滤器。基于规则的系统在运行时选择要应用的过滤器以及要显示的最终建议集。过滤器选择基于可用数据,从观看项目的历史记录到观看者分配给项目的评级和/或标签。此外,该模块实现了(i)一个新的项目原型来表示新到达的项目,(ii)一个针对新用户的标准用户原型,(iii)一个面向社交被动用户的新的被动用户标签云原型,以及(iv)一个名为共线性和邻近相似性(CPS)的新的基于内容的过滤器。在本文的最后,我们给出了离线结果和一个描述推荐服务工作原理的案例研究。据我们所知,该系统为多媒体内容推荐问题提供了一个极好的整体解决方案。 MSC公司: 93E11号机组 随机控制理论中的滤波 93A30型 系统数学建模(MSC2010) 62H30型 分类和区分;聚类分析(统计方面) 91B62型 经济增长模型 68T42型 Agent技术与人工智能 关键词:多agent计算;经纪平台;媒体内容个性化;推荐 软件:ReSySTER公司 PDF格式BibTeX公司 XML格式引用 \textit{B.Veloso}等人,国际期刊应用。数学。计算。科学。25,第3号,513--527(2015;Zbl 1321.93062) 全文: 内政部 参考文献: [1] Abouzakhar,N.和Bello Abdulazez,M.(2009年)。使用无监督学习方法的指纹匹配模型,第三届网络犯罪法医学教育与培训国际会议,英国坎特伯雷。; [2] Al-Shamri,M.Y.H.(2014)。幂系数作为基于内存的协作推荐系统的相似性度量,应用专家系统41(13):5680-5688。; [3] Ardissono,L.、Gena,C.、Torasso,P.、Bellifemine,F.、Difino,A.和Negro,B.(2004)。个性化电子节目指南的用户建模和推荐技术,见L.Ardissono、A.Kobsa和M.T.Maybury(编辑),个性化数字电视,Springer,Dordrecht,第3-26页。; [4] Bansal,N.、Blum,A.和Chawla,S.(2004年)。相关聚类,机器学习56(1-3):89-113·Zbl 1089.68085号 [5] Barragáns-Martínez,A.B.,Costa-Montengore,E.,Burguillo,J.C.,Rey-López,M.,Mikic-Fonte,F.A.和Peleteiro,A.(2010年A)。一种基于内容和基于项目的混合协作过滤方法,用于推荐通过奇异值分解增强的电视节目,《信息科学》180(22):4290-4311。; [6] Barragáns-Martínez,A.B.,Rey-López,M.,Costa黑山,E.,Mikic-Fonte,F.A.,Burguillo,J.C.和Peleteiro,A.(2010年B)。在web2.0推荐系统中开发社交标签,IEEE Internet Computing 14(6):23-30。; [7] Basu,C.、Hirsh,H.和Cohen,W.(1998年)。分类推荐:在推荐中使用社会和基于内容的信息,第十五届全国/第十届人工智能/人工智能创新应用会议,美国威斯康星州麦迪逊,第714-720页。; [8] Burke,R.(2002)。混合推荐系统:调查与实验,用户建模与用户自适应交互12(4):331-370·Zbl 1030.68607号 [9] Cannon,R.L.、Dave,J.V.和Bezdek,J.(1986年)。高效实现模糊c-均值聚类算法,IEEE模式分析和机器智能事务8(2):248-255·Zbl 0602.68084号 [10] Colomo-Palacios,R.、González-Carrasco,I.、López-Cuadrado,J.L.和García-Crespo,´a。(2012). ReSySTER:基于模糊集和粗糙集的scrum团队角色混合推荐系统,《国际应用数学与计算机科学杂志》22(4):801-816,DOI:10.2478/v10006-012-0059-9·Zbl 1292.90003号 [11] Di Noia,T.、Mirizzi,R.、Ostuni,V.C.、Romito,D.和Zanker,M.(2012)。链接开放数据以支持基于内容的推荐系统,《第八届语义系统国际会议论文集》,奥地利格拉茨,第1-8页。; [12] Dunn,J.C.(1973)。ISODATA过程的模糊关系及其在检测紧密且分离良好的星团中的应用,控制论杂志3(3):32-57·Zbl 0291.68033号 [13] Endert,H.、Küster,T.、Hirsch,B.和Albayrak,S.(2007年)。将BPMN映射到代理:分析,代理、Web服务和本体集成方法,英国达勒姆,第43-58页。; [14] Ghazanfar,M.A.和Prugel Bennett,A.(2010年)。可扩展、准确的混合推荐系统,第三届知识发现和数据挖掘国际会议,WKDD’10,泰国普吉岛,第94-98页。; [15] Herlocker,J.L.、Konstan,J.A.、Borchers,A.和Riedl,J.(1999)。执行协同过滤的算法框架,第22届ACM SIGIR信息检索研究与开发年度国际会议论文集,美国加州伯克利,第230-237页。; [16] Herlocker,J.L.、Konstan,J.A.、Terveen,L.G.和Riedl,J.T.(2004)。评估协同过滤推荐系统,ACM信息系统交易22(1):5-53。; [17] Kurapati,K.、Gutta,S.、Schaffer,D.、Martino,J.和Zimmerman,J.(2001)。多代理电视推荐人,《UM 2001年未来电视个性化研讨会论文集》,德国Sonthofen。; [18] Lau,R.Y.(2007)。面向B2B电子商务的web服务和智能代理协商系统,电子商务研究与应用6(3):260-273。; [19] Li,H.,Cai,F.和Liao,Z.(2012)。使用HMM的基于内容的过滤推荐算法,《第四届国际计算与信息科学会议论文集》,重庆,中国,第275-277页。; [20] Melville,P.、Mooney,R.J.和Nagarajan,R.(2002)。内容支持的协作过滤改进建议,第18届全国人工智能会议,加拿大艾伯塔省埃德蒙顿,第187-192页。; [21] Melville,P.和Sindhwani,V.(2010年)。推荐系统,机器学习百科全书,纽约州纽约州斯普林格,第829-838页。; [22] Moreno,M.N.、Segrera,S.、López,V.F.、Muñoz,M.D.和Sánchez,A.L.(2011)。挖掘语义数据以解决推荐系统中的第一流和冷启动问题,第十五届国际数据库工程与应用研讨会论文集,IDEAS’11,葡萄牙里斯本,第256-257页。; [23] Papagelis,M.和Plexousakis,D.(2005年)。推荐代理基于用户和基于项目的预测算法的定性分析,人工智能工程应用18(7):781-789。; [24] Pera,M.S.和Ng,Y.-K.(2013年)。基于内容相似性和受欢迎度的电影团体推荐人,信息处理与管理49(3):673-687。; [25] M.H.Ramappa和S.Krishnamurthy(2013)。手写卡纳达数字识别中不同特征提取和分类方法的比较研究,国际数据库理论与应用杂志6(4):71-90。; [26] Rey-López,M.、Díaz-Redondo,R.P.、Fernádez-Vilas,A.和Pazos-Arias,J.J.(2010)。T-learning 2.0:基于本体论和民俗学的个性化混合方法,见F.Xhafa等人(编辑),《技术增强学习的计算智能》,柏林/海德堡,施普林格,第125-142页。; [27] Rosaci,D.和Sarnè,G.(2013)。支持B2C电子商务个性化的多代理技术和本体,电子商务研究与应用13(1):13-23,DOI:10.1016/j.elerap.2013.07.003。; [28] Sarwar,B.、Karypis,G.、Konstan,J.和Riedl,J.(2002a)。高度可扩展推荐系统的增量奇异值分解算法,第五届计算机和信息技术国际会议论文集,孟加拉国达卡。; [29] Sarwar,B.M.、Karypis,G.、Konstan,J.和Riedl,J.(2002b)。大规模电子商务推荐系统:使用聚类的可扩展邻域形成,第五届计算机和信息技术国际会议论文集,孟加拉国达卡。; [30] Shani,G.、Meisles,A.、Gleyzer,Y.、Rokach,L.和Ben-Shimon,D.(2007年)。基于原型的媒体项目混合推荐系统,网络个性化智能技术研讨会,加拿大温哥华,第76-83页。; [31] Sollenborn,M.和Funk,P.(2002年)。基于类别的过滤和用户刻板印象案例,以减少推荐系统中的延迟问题,见S.Craw和A.Preece(编辑),《基于案例推理的进展》,Springer,Berlin/Heidelberg,第395-405页·Zbl 1013.68881号 [32] Tulyakov,S.、Jaeger,S.、Govindaraju,V.和Doermann,D.(2008年)。分类器组合方法综述,S.Marinai和H.Fujisawa(编辑),文献分析和识别中的机器学习,施普林格,柏林/海德堡,第361-386页。; [33] Veloso,B.、Sousa,L.和Malheiro,B.(2013年)。代理支持的个性化广告,见S.Omatu等人(编辑),《分布式计算和人工智能》,查姆斯普林格,第473-481页。Vemulapalli,S.、Luo,X.、Pitrelli,J.F.和Zitouni,I.(2009)。; [34] 分类器组合技术应用于共指消解,载于U.Germann等人(编辑),《人类语言技术学报:计算语言学协会北美分会2009年年会》,《同伴卷:学生研究研讨会和博士联合会》,计算语言学协会,宾夕法尼亚州斯特鲁兹堡,第1-6页。; [35] Vozalis,M.G.和Margaritis,K.G.(2005年)。将SVD应用于基于项目的过滤,《第五届智能系统设计和应用国际会议论文集》,波兰Wroc縍aw,第464-469页。; [36] Winkler,R.、Klawonn,F.和Kruse,R.(2011)。高维空间中的模糊c-均值,国际模糊系统应用杂志1(1):1-16。; [37] Winkler,R.、Klawonn,F.和Kruse,R.(2012)。高维数据集的模糊c均值聚类和类似算法问题,见W.Gaul等人(编辑),《数据分析、计算机科学和优化界面的挑战》,Springer,Berlin/Heidelberg,第79-87页。; [38] Wu,M.-L.,Chang,C.-H.和Liu,R.-Z.(2014)。将基于内容的过滤与使用增广矩阵联合聚类的协同过滤集成,应用专家系统41(6):2754-2761。; [39] Yanxiang,L.、Deke,G.、Fei,C.和Honghui,C.(2013)。基于用户的聚类与冷启动问题的top-n建议,第三届智能系统设计与工程应用国际会议论文集,中国香港,第1585-1589页。; [40] Zhang,L.,Tao,Q.和Teng,P.(2014)。基于用户兴趣的改进协同过滤算法,《软件杂志》9(4):999-1006。; [41] Zhang,Y.和Jiao,J.R.(2007)。B2c电子商务应用中基于关联分类的个性化推荐系统,应用专家系统33(2):357-367。; 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。