Unveiling Superiority: Evaluating Bernoulli Matrix Factorization in Recommender Systems with Ciao Dataset Dominance

  • سال انتشار: 1402
  • محل انتشار: پنجمین کنفرانس بین المللی محاسبات نرم
  • کد COI اختصاصی: CSCG05_052
  • زبان مقاله: انگلیسی
  • تعداد مشاهده: 80
دانلود فایل این مقاله

نویسندگان

Hossein Pirhadi

University of Tehran

Alireza Moumivand

Khatam University

Rooholah Abedian

University of Tehran

Amin Ghodousian

University of Tehran

چکیده

This paper examines the complex landscape of recommender systems, focusing in particularon the effectiveness of Bernoulli Matrix Factorization (BeMF). The performance of BeMF issystematically assessed against renowned state-of-the-art models, TrustEV, GCFA, SBRNE,RAWATD, and PMF, utilizing a diverse array of datasets, including the widely used Ciaodataset. evaluation, centered on the critical metric of Mean Absolute Error (MAE), consistentlyreveals the superior accuracy and proficiency of our BeMF model, notably excelling on theCiao dataset. This thorough examination encompasses various dimensions, encompassing userpreferences, social trust, behavior integration, and innovative trust synthesis. Contributing tothe ongoing discourse in recommender system research, this study illustrates Bernoulli MatrixFactorization's versatility and potency, highlighting its ability to improve recommendationaccuracy and adaptability in varied scenarios.

کلیدواژه ها

Recommender systems, matrixfactorization, collaborativefiltering

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.