Název:	Recommending news articles using rule-based classifier
Autoři:	Golian, Christián Kuchař, Jaroslav
Citace zdrojového dokumentu:	STEINBERGER, Josef ed.; ZÍMA, Martin ed.; FIALA, Dalibor ed.; DOSTAL, Martin ed.; NYKL, Michal ed. Data a znalosti 2017: sborník konference, Plzeň, Hotel Angelo 5. - 6. října 2017. 1. vyd. Plzeň: Západočeská univerzita v Plzni, 2017, s. 51-55. ISBN 978-80-261-0720-0.
Datum vydání:	2017
Nakladatel:	Západočeská univerzita v Plzni
Typ dokumentu:	konferenční příspěvek conferenceObject
URI:	https://www.zcu.cz/export/sites/zcu/pracoviste/vyd/online/DataAZnalosti2017.pdf http://hdl.handle.net/11025/26335
ISBN:	978-80-261-0720-0
Klíčová slova:	novinové doporučení;pravidla přidružení;CLEF NewsREEL
Klíčová slova v dalším jazyce:	news recommender;association rules;CLEF NewsREEL
Abstrakt v dalším jazyce:	In this paper we summarize our experiments with a rule-based classi-fier as a recommender within CLEF NewsREEL 2017 challenge. Systems that recommend news articles are suitable to solve information overflow in digital editions of newspapers, when users have problems choosing what they want to read. They face challenges unknown to the systems recommending books or movies such as a frequency of producing the new content. This paper deals with an approach based on association rules acting as a classifier. In our approach we experimented with settings that allow reducing the amount of rules used for the classification and increasing the performance that is crucial for real recommen-dations.
Práva:	© Západočeská univerzita v Plzni
Vyskytuje se v kolekcích:	Data a znalosti 2017 Data a znalosti 2017

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.