Zobrazeno 1 - 10
of 52
pro vyhledávání: '"Özgöbek, Özlem"'
This paper studies user attributes in light of current concerns in the recommender system community: diversity, coverage, calibration, and data minimization. In experiments with a conventional context-aware recommender system that leverages side info
Externí odkaz:
http://arxiv.org/abs/2207.14218
Publikováno v:
In Information Systems July 2024 123
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Kille, Benjamin1 (AUTHOR) benjamin.u.kille@ntnu.no, Lommatzsch, Andreas2 (AUTHOR) andreas.lommatzsch@dai-labor.de, Özgöbek, Özlem1 (AUTHOR) ozlem.ozgobek@ntnu.no, Liu, Peng1 (AUTHOR) peng.liu@ntnu.no, Zhang, Lemei1 (AUTHOR) lemei.zhang@ntnu.no, Eide, Simen3 (AUTHOR) simen.eide@schibsted.com
Publikováno v:
SIGIR Forum. Dec2023, Vol. 57 Issue 2, p1-4. 4p.
Publikováno v:
ECML PKDD 2020 Workshops
Datasets are an integral part of contemporary research on recommender systems. However, few datasets are available for conventional recommender systems and even very limited datasets are available when it comes to contextualized (time and location-de
Autor:
Novak, Jasminko, Drenska, Kalina, Koroleva, Ksenia, Pfahler, Lukas, Marin, Lavinia, Möller, Judith, Özgöbek, Özlem, Willemsen, Martijn, Dersch, Dorothee, Das, Enny, Larson, Martha, Morik, Katharina
Harnessing benefits and preventing harms of AI cannot be solved alone through technological fixes and regulation. It depends on a complex interplay between technology, societal governance, individual behaviour, organizational and societal dynamics. E
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::3591bd0e334f5ba88ea2451f0ff9c1e0