コンテンツベースのフィルタリングとセマンティック推論によるエンターテイメントの提供とインテリジェント推薦システム

レコメンダーシステムは、さまざまな領域において存在する情報過多の視点から生まれました。いわゆるコンテンツベースのレコメンダーは、ユーザーが過去に気に入った製品に似た製品を提供します。しかし、構文的類似性メトリックの使用により、これらのシステムはユーザーが既に知っている製品に非常に似た製品を含む過度に専門化された推奨を展開します。本論文では、セマンティックウェブから借用した推論技術を適用することで過度な専門化を克服する戦略を提示します。この推論により、私たちの戦略はユーザーの嗜好に関する膨大な知識を発見し、従来の構文的メトリックスを超えて、より柔軟な方法で利用可能な製品と比較します。これに基づく戦略は、インタラクティブデジタルテレビ用のレコメンダーシステムに実装されており、提案された技術が従来のアプローチでは見過ごされる精度の高い強化された推奨を提供することを確認しました。