Evaluating Different Strategies to Mitigate the Ramp-up Problem in Recommendation Domains

@inproceedings{Silva2017EvaluatingDS,
  title={Evaluating Different Strategies to Mitigate the Ramp-up Problem in Recommendation Domains},
  author={N{\'i}collas Silva and Diego Carvalho and Adriano M. Pereira and Fernando Mour{\~a}o and Leonardo C. da Rocha},
  booktitle={WebMedia},
  year={2017}
}
Recommender Systems (RSs) have assumed a prominent role in e-commerce domains, affecting decisively distinct business phases, such as convert new users into customers. The total absence of information about new users is one of the main challenges in this area, and it is known in the literature as Ramp-up Problem. In this scenario, non-personalized strategy are chosen for simplicity, domain independence and effectiveness. State-of-the-art strategies assume that popular items are more likely to… CONTINUE READING

Results and Topics from this paper.

Key Quantitative Results

  • $15.00 https://doi.org/10.1145/3126858.3126878 1 INTRODUÇÃO Atualmente, a prosperidade de uma aplicação de e-commerce está diretamente relacionada a sua capacidade de converter usuários visitantes em clientes ativos [13, 17].
  • Basicamente, realizou-se um corte temporal em uma semana específica do consumo dos usuários, de forma a selecionar em torno de 15% a 20% dos usuários totais de cada coleção.
  • o corte temporal realizado nos conjuntos de dados ML-1M e ML-10M. Com essa estratégia, foram selecionados ao todo 1.277 usuários do conjunto ML-1M e 10.633 usuários do conjunto ML-10M, representado 20,25% e 15,21% do número total de usuários em cada base de dados.
  • Por outro lado, conforme mostra a Figura 9, mais de 40% dos itens recomendados são semelhantes em todas essas três estratégias comparadas.
  • a estratégia de Best Rated se assemelha mais de 80% com a estratégia de Popularity.
  • Este número se torna ainda mais expressivo quando analisamos os 100 primeiros itens do ML-10M, onde a diferença é de 2%, sendo equivalente a 212 novos usuários alcançados e satisfeitos.

References

Publications referenced by this paper.
SHOWING 1-7 OF 7 REFERENCES

Recomendação não-personalizada baseada em Cobertura Máxima

Nicollas Silva, Adriano César, Fernando Mourão, Leonardo Rocha
  • 2016
VIEW 14 EXCERPTS
HIGHLY INFLUENTIAL

Recommender systems survey

VIEW 10 EXCERPTS
HIGHLY INFLUENTIAL