Attenzione: i dati modificati non sono ancora stati salvati. Per confermare inserimenti o cancellazioni di voci è necessario confermare con il tasto SALVA/INSERISCI in fondo alla pagina
POLITECNICO DI BARI - Catalogo dei prodotti della Ricerca
This paper provides an overview of the work done in theLinked Open Data-enabled Recommender Systems challenge, in whichwe proposed an ensemble of algorithms based on popularity, Vector SpaceModel, Random Forests, Logistic Regression, and PageRank, running ona diverse set of semantic features. We ranked 1st in the top-N recom-mendation task, and 3rd in the tasks of rating prediciton and diversity
Aggregation Strategies for Linked Open Data-enabled Recommender Systems / Basile, Pierpaolo; Musto, Cataldo; de Gemmis, Marco; Lops, Pasquale; Narducci, Fedelucio; Semeraro, Giovanni. - ELETTRONICO. - (2014). (Intervento presentato al convegno ESWC 2014 tenutosi a Crete, Greece nel May 25-29, 2014).
Aggregation Strategies for Linked Open Data-enabled Recommender Systems
Pierpaolo Basile;Cataldo Musto;Marco de Gemmis;Pasquale Lops;Fedelucio Narducci;Giovanni Semeraro
2014-01-01
Abstract
This paper provides an overview of the work done in theLinked Open Data-enabled Recommender Systems challenge, in whichwe proposed an ensemble of algorithms based on popularity, Vector SpaceModel, Random Forests, Logistic Regression, and PageRank, running ona diverse set of semantic features. We ranked 1st in the top-N recom-mendation task, and 3rd in the tasks of rating prediciton and diversity
Aggregation Strategies for Linked Open Data-enabled Recommender Systems / Basile, Pierpaolo; Musto, Cataldo; de Gemmis, Marco; Lops, Pasquale; Narducci, Fedelucio; Semeraro, Giovanni. - ELETTRONICO. - (2014). (Intervento presentato al convegno ESWC 2014 tenutosi a Crete, Greece nel May 25-29, 2014).
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11589/215945
Citazioni
ND
ND
social impact
Conferma cancellazione
Sei sicuro che questo prodotto debba essere cancellato?
simulazione ASN
Il report seguente simula gli indicatori relativi alla propria produzione scientifica in relazione alle soglie ASN 2023-2025 del proprio SC/SSD. Si ricorda che il superamento dei valori soglia (almeno 2 su 3) è requisito necessario ma non sufficiente al conseguimento dell'abilitazione. La simulazione si basa sui dati IRIS e sugli indicatori bibliometrici alla data indicata e non tiene conto di eventuali periodi di congedo obbligatorio, che in sede di domanda ASN danno diritto a incrementi percentuali dei valori. La simulazione può differire dall'esito di un’eventuale domanda ASN sia per errori di catalogazione e/o dati mancanti in IRIS, sia per la variabilità dei dati bibliometrici nel tempo. Si consideri che Anvur calcola i valori degli indicatori all'ultima data utile per la presentazione delle domande.
La presente simulazione è stata realizzata sulla base delle specifiche raccolte sul tavolo ER del Focus Group IRIS coordinato dall’Università di Modena e Reggio Emilia e delle regole riportate nel DM 589/2018 e allegata Tabella A. Cineca, l’Università di Modena e Reggio Emilia e il Focus Group IRIS non si assumono alcuna responsabilità in merito all’uso che il diretto interessato o terzi faranno della simulazione. Si specifica inoltre che la simulazione contiene calcoli effettuati con dati e algoritmi di pubblico dominio e deve quindi essere considerata come un mero ausilio al calcolo svolgibile manualmente o con strumenti equivalenti.
