Machine: /* Журнал занятий */

2018-12-25T19:17:10Z

Журнал занятий

← Предыдущая версия		Версия от 19:17, 25 декабря 2018
Строка 59:		Строка 59:
	19:30 Доклад Евгения Фролова (PhD, Skoltech & Sbebank AI) по мотивам диссертационного исследования (https://www.skoltech.ru/obrazovanie/zashhity-phd/2018-2/evgenij-frolov/)		19:30 Доклад Евгения Фролова (PhD, Skoltech & Sbebank AI) по мотивам диссертационного исследования (https://www.skoltech.ru/obrazovanie/zashhity-phd/2018-2/evgenij-frolov/)

	Название: Малоранговые модели для рекомендательных систем с ограниченными данными о предпочтениях (Low-rank models for recommender systems with limited preference information)		'''Название: Малоранговые модели для рекомендательных систем с ограниченными данными о предпочтениях (Low-rank models for recommender systems with limited preference information)'''

	Аннотация доклада. В силу ряда вычислительных преимуществ, одним из наиболее популярных методов, часто использующихся на практике, является PureSVD. Метод основан на сингулярном разложении и в определенных сценариях позволяет добиться наиболее релевантных рекомендаций. Однако, качество моделей на основе данного метода заметно снижается при сильном уменьшении количества известной информации о пользовательских предпочтениях. Главной целью данной работы является устранение этого недостатка, позволяющее сохранить основные преимущества PureSVD. Для этого предложены несколько новых подходов на основе матричных и тензорных методов аппроксимации. Подходы строятся на принципах многомерного представления пользовательского отклика, а также с использованием специальной схемы «гибридизации», позволяющей учесть дополнительную признаковую информацию о пользователях и предметах.		Аннотация доклада. В силу ряда вычислительных преимуществ, одним из наиболее популярных методов, часто использующихся на практике, является PureSVD. Метод основан на сингулярном разложении и в определенных сценариях позволяет добиться наиболее релевантных рекомендаций. Однако, качество моделей на основе данного метода заметно снижается при сильном уменьшении количества известной информации о пользовательских предпочтениях. Главной целью данной работы является устранение этого недостатка, позволяющее сохранить основные преимущества PureSVD. Для этого предложены несколько новых подходов на основе матричных и тензорных методов аппроксимации. Подходы строятся на принципах многомерного представления пользовательского отклика, а также с использованием специальной схемы «гибридизации», позволяющей учесть дополнительную признаковую информацию о пользователях и предметах.
Строка 68:		Строка 68:


	Гибридные рекомендательные системы. Case-study 5. Рекомендация радиостанций.		'''Гибридные рекомендательные системы. Case-study 5. Рекомендация радиостанций.'''

	* Dmitry I. Ignatov, Andrey V. Konstantinov, Sergey I. Nikolenko, Jonas Poelmans, Vasily Zaharchuk: Online Recommender System for Radio Station Hosting. BIR 2012: 1-12		* Dmitry I. Ignatov, Andrey V. Konstantinov, Sergey I. Nikolenko, Jonas Poelmans, Vasily Zaharchuk: Online Recommender System for Radio Station Hosting. BIR 2012: 1-12
Строка 80:		Строка 80:
	===Занятие от 05.12.2018===		===Занятие от 05.12.2018===

	Стандартные (Precision, Recall, F_1-мера, MAE, RMSE) и дополнительные меры оценки качества рекомендательных систем (HitRate, Mean Reciprocal Rank, nDCG, diversity, serendipity). А/B тестирование.		'''Стандартные (Precision, Recall, F_1-мера, MAE, RMSE) и дополнительные меры оценки качества рекомендательных систем (HitRate, Mean Reciprocal Rank, nDCG, diversity, serendipity). А/B тестирование.'''

	* [https://www.dropbox.com/s/pj9vgr5u0x9sf3j/%D0%9C%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B8%20%D0%BA%D0%B0%D1%87%D0%B5%D1%81%D1%82%D0%B2%D0%B0%20%D1%80%D0%B5%D0%BA%D0%BE%D0%BC%D0%B5%D0%BD%D0%B4%D0%B0%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D1%8B%D1%85%20%D1%81%D0%B8%D1%81%D1%82%D0%B5%D0%BC.pdf?dl=0 Слайды] (подготовлены ассистентом прошлых лет, Е. Неновой)		* [https://www.dropbox.com/s/pj9vgr5u0x9sf3j/%D0%9C%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B8%20%D0%BA%D0%B0%D1%87%D0%B5%D1%81%D1%82%D0%B2%D0%B0%20%D1%80%D0%B5%D0%BA%D0%BE%D0%BC%D0%B5%D0%BD%D0%B4%D0%B0%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D1%8B%D1%85%20%D1%81%D0%B8%D1%81%D1%82%D0%B5%D0%BC.pdf?dl=0 Слайды] (подготовлены ассистентом прошлых лет, Е. Неновой)
Строка 92:		Строка 92:
	===Занятие от 12.12.2018===		===Занятие от 12.12.2018===

	Бикластеризация. Фолксономии. Трикластеризация и мультимодальная кластеризация n-арных отношений и тензоров. Коллаборативная фильтрация на основе бикластеризации. [https://www.dropbox.com/s/yszu83mxcn354nl/Biclustering.pdf?dl=0 Слайды]		'''Бикластеризация. Фолксономии. Трикластеризация и мультимодальная кластеризация n-арных отношений и тензоров. Коллаборативная фильтрация на основе бикластеризации.''' [https://www.dropbox.com/s/yszu83mxcn354nl/Biclustering.pdf?dl=0 Слайды]

	* Dmitry I. Ignatov, Dmitry V. Gnatyshak, Sergei O. Kuznetsov, Boris G. Mirkin: Triadic Formal Concept Analysis and triclustering: searching for optimal patterns. Machine Learning 101(1-3): 271-302 (2015) [https://link.springer.com/article/10.1007%2Fs10994-015-5487-y статья]		* Dmitry I. Ignatov, Dmitry V. Gnatyshak, Sergei O. Kuznetsov, Boris G. Mirkin: Triadic Formal Concept Analysis and triclustering: searching for optimal patterns. Machine Learning 101(1-3): 271-302 (2015) [https://link.springer.com/article/10.1007%2Fs10994-015-5487-y статья]
Строка 113:		Строка 113:
	===Занятие от 12.12.2018 ===		===Занятие от 12.12.2018 ===

	Контекстные рекомендательные системы. Встраивание дополнительной информации в модели. Глубинное обучение для рекомендательных систем.		'''Контекстные рекомендательные системы. Встраивание дополнительной информации в модели. Глубинное обучение для рекомендательных систем.'''

	''Context-Aware RecSys'':		''Context-Aware RecSys'':

Machine: /* Занятие от 12.12.2018 */

2018-12-25T19:14:31Z

Занятие от 12.12.2018

← Предыдущая версия		Версия от 19:14, 25 декабря 2018
Строка 114:		Строка 114:

	Контекстные рекомендательные системы. Встраивание дополнительной информации в модели. Глубинное обучение для рекомендательных систем.		Контекстные рекомендательные системы. Встраивание дополнительной информации в модели. Глубинное обучение для рекомендательных систем.

			''Context-Aware RecSys'':

	*Marat Akhmatnurov, Dmitry I. Ignatov: Context-Aware Recommender System Based on Boolean Matrix Factorisation. CLA 2015: 99-110 [https://www.dropbox.com/s/lp0dec21su6gq5z/example-beamer-HSE.pdf?dl=0 слайды] [http://ceur-ws.org/Vol-1466/paper08.pdf статья]		*Marat Akhmatnurov, Dmitry I. Ignatov: Context-Aware Recommender System Based on Boolean Matrix Factorisation. CLA 2015: 99-110 [https://www.dropbox.com/s/lp0dec21su6gq5z/example-beamer-HSE.pdf?dl=0 слайды] [http://ceur-ws.org/Vol-1466/paper08.pdf статья]
			*Gediminas Adomavicius, Bamshad Mobasher, Francesco Ricci, Alexander Tuzhilin: Context-Aware Recommender Systems. AI Magazine, Vol 32, No 3, 2011 [https://doi.org/10.1609/aimag.v32i3.2364 статья]

			''Deep Learning for RecSys'':
	*Elena Andreeva, Dmitry I. Ignatov, Artem Grachev, Andrey Savchenko: Extraction of Visual Features for Recommendation of Products via Deep Learning. AIST 2018 [https://www.dropbox.com/s/g37ltif30grq5qp/visual_features.pdf?dl=0 статья] [https://www.dropbox.com/s/0a0x49xz9jmrzkt/presentation_translated_fixed.pdf?dl=0 слайды]		*Elena Andreeva, Dmitry I. Ignatov, Artem Grachev, Andrey Savchenko: Extraction of Visual Features for Recommendation of Products via Deep Learning. AIST 2018 [https://www.dropbox.com/s/g37ltif30grq5qp/visual_features.pdf?dl=0 статья] [https://www.dropbox.com/s/0a0x49xz9jmrzkt/presentation_translated_fixed.pdf?dl=0 слайды]
	*Gediminas Adomavicius, Bamshad Mobasher, Francesco Ricci, Alexander Tuzhilin: Context-Aware Recommender Systems. AI Magazine, Vol 32, No 3, 2011 [https://doi.org/10.1609/aimag.v32i3.2364 статья]
	*[https://arxiv.org/pdf/1707.07435.pdf Deep Learning for RecSys survey]		*[https://arxiv.org/pdf/1707.07435.pdf Deep Learning for RecSys survey]

Machine: /* Занятие от 12.12.2018 */

2018-12-25T19:11:42Z

Занятие от 12.12.2018

← Предыдущая версия		Версия от 19:11, 25 декабря 2018
Строка 116:		Строка 116:

	*Marat Akhmatnurov, Dmitry I. Ignatov: Context-Aware Recommender System Based on Boolean Matrix Factorisation. CLA 2015: 99-110 [https://www.dropbox.com/s/lp0dec21su6gq5z/example-beamer-HSE.pdf?dl=0 слайды] [http://ceur-ws.org/Vol-1466/paper08.pdf статья]		*Marat Akhmatnurov, Dmitry I. Ignatov: Context-Aware Recommender System Based on Boolean Matrix Factorisation. CLA 2015: 99-110 [https://www.dropbox.com/s/lp0dec21su6gq5z/example-beamer-HSE.pdf?dl=0 слайды] [http://ceur-ws.org/Vol-1466/paper08.pdf статья]
	*Elena Andreeva, Dmitry I. Ignatov, Artem Grachev, Andrey Savchenko. Extraction of Visual Features for Recommendation of Products via Deep Learning. AIST 2018 [https://www.dropbox.com/s/g37ltif30grq5qp/visual_features.pdf?dl=0 статья] [https://www.dropbox.com/s/0a0x49xz9jmrzkt/presentation_translated_fixed.pdf?dl=0 слайды]		*Elena Andreeva, Dmitry I. Ignatov, Artem Grachev, Andrey Savchenko: Extraction of Visual Features for Recommendation of Products via Deep Learning. AIST 2018 [https://www.dropbox.com/s/g37ltif30grq5qp/visual_features.pdf?dl=0 статья] [https://www.dropbox.com/s/0a0x49xz9jmrzkt/presentation_translated_fixed.pdf?dl=0 слайды]
	*Gediminas Adomavicius, Bamshad Mobasher, Francesco Ricci, Alexander Tuzhilin, Context-Aware Recommender Systems. AI Magazine, Vol 32, No 3, 2011 [https://doi.org/10.1609/aimag.v32i3.2364 статья]		*Gediminas Adomavicius, Bamshad Mobasher, Francesco Ricci, Alexander Tuzhilin: Context-Aware Recommender Systems. AI Magazine, Vol 32, No 3, 2011 [https://doi.org/10.1609/aimag.v32i3.2364 статья]
	*[https://arxiv.org/pdf/1707.07435.pdf Deep Learning for RecSys survey]		*[https://arxiv.org/pdf/1707.07435.pdf Deep Learning for RecSys survey]

Machine: /* Занятие от 12.12.2018 */

2018-12-25T19:07:15Z

Занятие от 12.12.2018

← Предыдущая версия		Версия от 19:07, 25 декабря 2018
Строка 115:		Строка 115:
	Контекстные рекомендательные системы. Встраивание дополнительной информации в модели. Глубинное обучение для рекомендательных систем.		Контекстные рекомендательные системы. Встраивание дополнительной информации в модели. Глубинное обучение для рекомендательных систем.

	* Marat Akhmatnurov, Dmitry I. Ignatov: Context-Aware Recommender System Based on Boolean Matrix Factorisation. CLA 2015: 99-110 [https://www.dropbox.com/s/lp0dec21su6gq5z/example-beamer-HSE.pdf?dl=0 слайды] [http://ceur-ws.org/Vol-1466/paper08.pdf статья]		*Marat Akhmatnurov, Dmitry I. Ignatov: Context-Aware Recommender System Based on Boolean Matrix Factorisation. CLA 2015: 99-110 [https://www.dropbox.com/s/lp0dec21su6gq5z/example-beamer-HSE.pdf?dl=0 слайды] [http://ceur-ws.org/Vol-1466/paper08.pdf статья]
			*Elena Andreeva, Dmitry I. Ignatov, Artem Grachev, Andrey Savchenko. Extraction of Visual Features for Recommendation of Products via Deep Learning. AIST 2018 [https://www.dropbox.com/s/g37ltif30grq5qp/visual_features.pdf?dl=0 статья] [https://www.dropbox.com/s/0a0x49xz9jmrzkt/presentation_translated_fixed.pdf?dl=0 слайды]
			*Gediminas Adomavicius, Bamshad Mobasher, Francesco Ricci, Alexander Tuzhilin, Context-Aware Recommender Systems. AI Magazine, Vol 32, No 3, 2011 [https://doi.org/10.1609/aimag.v32i3.2364 статья]
			*[https://arxiv.org/pdf/1707.07435.pdf Deep Learning for RecSys survey]

Machine: /* Занятие от 12.12.2018 */

2018-12-25T05:54:07Z

Занятие от 12.12.2018

← Предыдущая версия		Версия от 05:54, 25 декабря 2018
Строка 115:		Строка 115:
	Контекстные рекомендательные системы. Встраивание дополнительной информации в модели. Глубинное обучение для рекомендательных систем.		Контекстные рекомендательные системы. Встраивание дополнительной информации в модели. Глубинное обучение для рекомендательных систем.

	* Marat Akhmatnurov, Dmitry I. Ignatov: Context-Aware Recommender System Based on Boolean Matrix Factorisation. CLA 2015: 99-110 [https://www.dropbox.com/s/lp0dec21su6gq5z/example-beamer-HSE.pdf?dl=0 слайды]		* Marat Akhmatnurov, Dmitry I. Ignatov: Context-Aware Recommender System Based on Boolean Matrix Factorisation. CLA 2015: 99-110 [https://www.dropbox.com/s/lp0dec21su6gq5z/example-beamer-HSE.pdf?dl=0 слайды] [http://ceur-ws.org/Vol-1466/paper08.pdf статья]
	[http://ceur-ws.org/Vol-1466/paper08.pdf статья]

Machine: /* Занятие от 12.12.2018 */

2018-12-25T05:53:49Z

Занятие от 12.12.2018

← Предыдущая версия		Версия от 05:53, 25 декабря 2018
Строка 115:		Строка 115:
	Контекстные рекомендательные системы. Встраивание дополнительной информации в модели. Глубинное обучение для рекомендательных систем.		Контекстные рекомендательные системы. Встраивание дополнительной информации в модели. Глубинное обучение для рекомендательных систем.

	* Context-Aware Recommender System Based on Boolean Matrix Factorisation. CLA 2015: 99-110 [https://www.dropbox.com/s/lp0dec21su6gq5z/example-beamer-HSE.pdf?dl=0 слайды]		* Marat Akhmatnurov, Dmitry I. Ignatov: Context-Aware Recommender System Based on Boolean Matrix Factorisation. CLA 2015: 99-110 [https://www.dropbox.com/s/lp0dec21su6gq5z/example-beamer-HSE.pdf?dl=0 слайды]
	[http://ceur-ws.org/Vol-1466/paper08.pdf ~~Marat Akhmatnurov, Dmitry I. Ignatov:~~		[http://ceur-ws.org/Vol-1466/paper08.pdf статья]
	статья]

Machine: /* Журнал занятий */

2018-12-25T05:53:22Z

Журнал занятий

← Предыдущая версия		Версия от 05:53, 25 декабря 2018
Строка 109:		Строка 109:

	*du Boucher-Ryan, P., & Bridge, D. G. (2006). Collaborative recommending using formal concept analysis. Knowledge-Based Systems, 19(5), 309–315. [https://www.sciencedirect.com/science/article/abs/pii/S0950705106000074?via%3Dihub статья]		*du Boucher-Ryan, P., & Bridge, D. G. (2006). Collaborative recommending using formal concept analysis. Knowledge-Based Systems, 19(5), 309–315. [https://www.sciencedirect.com/science/article/abs/pii/S0950705106000074?via%3Dihub статья]


			===Занятие от 12.12.2018 ===

			Контекстные рекомендательные системы. Встраивание дополнительной информации в модели. Глубинное обучение для рекомендательных систем.

			* Context-Aware Recommender System Based on Boolean Matrix Factorisation. CLA 2015: 99-110 [https://www.dropbox.com/s/lp0dec21su6gq5z/example-beamer-HSE.pdf?dl=0 слайды]
			[http://ceur-ws.org/Vol-1466/paper08.pdf Marat Akhmatnurov, Dmitry I. Ignatov:
			статья]

Machine: /* Занятие от 12.12.2018 */

2018-12-17T08:14:35Z

Занятие от 12.12.2018

← Предыдущая версия		Версия от 08:14, 17 декабря 2018
Строка 92:		Строка 92:
	===Занятие от 12.12.2018===		===Занятие от 12.12.2018===

	Бикластеризация. Фолксономии. Трикластеризация и мультимодальная кластеризация n-арных отношений и тензоров. [https://www.dropbox.com/s/yszu83mxcn354nl/Biclustering.pdf?dl=0 Слайды]		Бикластеризация. Фолксономии. Трикластеризация и мультимодальная кластеризация n-арных отношений и тензоров. Коллаборативная фильтрация на основе бикластеризации. [https://www.dropbox.com/s/yszu83mxcn354nl/Biclustering.pdf?dl=0 Слайды]

	* Dmitry I. Ignatov, Dmitry V. Gnatyshak, Sergei O. Kuznetsov, Boris G. Mirkin: Triadic Formal Concept Analysis and triclustering: searching for optimal patterns. Machine Learning 101(1-3): 271-302 (2015) [https://link.springer.com/article/10.1007%2Fs10994-015-5487-y статья]		* Dmitry I. Ignatov, Dmitry V. Gnatyshak, Sergei O. Kuznetsov, Boris G. Mirkin: Triadic Formal Concept Analysis and triclustering: searching for optimal patterns. Machine Learning 101(1-3): 271-302 (2015) [https://link.springer.com/article/10.1007%2Fs10994-015-5487-y статья]

Machine: /* Занятие от 12.12.2018 */

2018-12-17T08:13:48Z

Занятие от 12.12.2018

← Предыдущая версия		Версия от 08:13, 17 декабря 2018
Строка 96:		Строка 96:
	* Dmitry I. Ignatov, Dmitry V. Gnatyshak, Sergei O. Kuznetsov, Boris G. Mirkin: Triadic Formal Concept Analysis and triclustering: searching for optimal patterns. Machine Learning 101(1-3): 271-302 (2015) [https://link.springer.com/article/10.1007%2Fs10994-015-5487-y статья]		* Dmitry I. Ignatov, Dmitry V. Gnatyshak, Sergei O. Kuznetsov, Boris G. Mirkin: Triadic Formal Concept Analysis and triclustering: searching for optimal patterns. Machine Learning 101(1-3): 271-302 (2015) [https://link.springer.com/article/10.1007%2Fs10994-015-5487-y статья]

	* ~~Symeonidis~~, P., ~~Nanopoulos~~, A.~~, Papadopoulos, A~~. N.~~, & Manolopoulos, Y~~. (~~2008~~)~~. Nearest~~-~~biclusters collaborative filtering based on constant and coherent values. Information Retrieval, 11~~(1)~~, 51–75.~~ [https://~~ieeexplore~~.~~ieee~~.~~org~~/~~document/5280358~~/ статья]		*Faris Alqadah, Chandan K. Reddy, Junling Hu, Hatim F. Alqadah: Biclustering neighborhood-based collaborative filtering method for top-n recommender systems. Knowl. Inf. Syst. 44(2): 475-491 (2015) [https://link.springer.com/article/10.1007%2Fs10115-014-0771-x статья]

	*~~Nanopoulos~~, A., ~~Rafailidis~~, D., ~~Symeonidis~~, P., & ~~Manolopoulos~~, Y. (~~2010~~). ~~Musicbox: Personalized music recommendation based on cubic analysis~~ of ~~social tags. IEEE Transactions on Audio~~, ~~Speech & Language Processing, 18~~(2), ~~407–412~~. [https://~~link~~.~~springer~~.com/~~article~~/10.~~1007%2Fs10791-007-9038-4~~ статья]		*Ignatov, D. I., Kuznetsov, S. O., Poelmans, J., & Zhukov, L. E. (2013). Can triconcepts become triclusters? International Journal of General Systems, 42(6), 572–593. [https://www.tandfonline.com/doi/abs/10.1080/03081079.2013.798899 статья]

	*Ignatov, D. I., Kuznetsov, S. O., Poelmans, J~~., & Zhukov, L. E~~. (~~2013~~). ~~Can triconcepts become triclusters? International Journal of General Systems~~, ~~42(6), 572–593~~. [https://~~www~~.~~tandfonline~~.~~com/doi~~/~~abs~~/~~10.1080~~/~~03081079.2013.798899~~ статья]		*Ignatov, D. I., Kuznetsov, S. O., & Poelmans, J. (2012). Concept-based biclustering for internet advertisement. In: IEEE computer society ICDM workshops, pp. 123–130. [https://ieeexplore.ieee.org/abstract/document/6406432 статья]

	*~~du Boucher-Ryan~~, P., & ~~Bridge~~, ~~D. G~~. (~~2006~~). ~~Collaborative recommending using formal concept~~ analysis. ~~Knowledge-Based Systems~~, 19(5), ~~309–315~~. [https://~~www~~.~~sciencedirect~~.com~~/science~~/article/~~abs/pii/S0950705106000074?via~~%~~3Dihub~~ статья]		*Nanopoulos, A., Rafailidis, D., Symeonidis, P., & Manolopoulos, Y. (2010). Musicbox: Personalized music recommendation based on cubic analysis of social tags. IEEE Transactions on Audio, Speech & Language Processing, 18(2), 407–412. [https://link.springer.com/article/10.1007%2Fs10791-007-9038-4 статья]

	*Cerf, L., Besson, J., Robardet, C., & Boulicaut, J. F. (2009). Closed patterns meet n-ary relations. ACM Transactions on Knowledge Discovery from Data, 3, 3:1–3:36. [https://dl.acm.org/citation.cfm?doid=1497577.1497580 статья]		*Cerf, L., Besson, J., Robardet, C., & Boulicaut, J. F. (2009). Closed patterns meet n-ary relations. ACM Transactions on Knowledge Discovery from Data, 3, 3:1–3:36. [https://dl.acm.org/citation.cfm?doid=1497577.1497580 статья]

	*~~Ignatov~~, D. I., ~~Kuznetsov~~, S. O., & ~~Poelmans~~, J. (~~2012~~). ~~Concept~~-based ~~biclustering for internet advertisement~~. ~~In: IEEE computer society ICDM workshops~~, ~~pp. 123–130~~. [https://ieeexplore.ieee.org/~~abstract~~/~~document~~/~~6406432~~ статья]		* Symeonidis, P., Nanopoulos, A., Papadopoulos, A. N., & Manolopoulos, Y. (2008). Nearest-biclusters collaborative filtering based on constant and coherent values. Information Retrieval, 11(1), 51–75. [https://ieeexplore.ieee.org/document/5280358/ статья]

			*du Boucher-Ryan, P., & Bridge, D. G. (2006). Collaborative recommending using formal concept analysis. Knowledge-Based Systems, 19(5), 309–315. [https://www.sciencedirect.com/science/article/abs/pii/S0950705106000074?via%3Dihub статья]

Machine: /* Занятие от 12.12.2018 */

2018-12-16T16:26:18Z

Занятие от 12.12.2018

← Предыдущая версия		Версия от 16:26, 16 декабря 2018
Строка 92:		Строка 92:
	===Занятие от 12.12.2018===		===Занятие от 12.12.2018===

	Бикластеризация. Фолксономии. Трикластеризация и мультимодальная кластеризация n-арных отношений и тензоров.		Бикластеризация. Фолксономии. Трикластеризация и мультимодальная кластеризация n-арных отношений и тензоров. [https://www.dropbox.com/s/yszu83mxcn354nl/Biclustering.pdf?dl=0 Слайды]
	[https://www.dropbox.com/s/yszu83mxcn354nl/Biclustering.pdf?dl=0 Слайды]

	* Dmitry I. Ignatov, Dmitry V. Gnatyshak, Sergei O. Kuznetsov, Boris G. Mirkin: Triadic Formal Concept Analysis and triclustering: searching for optimal patterns. Machine Learning 101(1-3): 271-302 (2015)		* Dmitry I. Ignatov, Dmitry V. Gnatyshak, Sergei O. Kuznetsov, Boris G. Mirkin: Triadic Formal Concept Analysis and triclustering: searching for optimal patterns. Machine Learning 101(1-3): 271-302 (2015) [https://link.springer.com/article/10.1007%2Fs10994-015-5487-y статья]
	[https://link.springer.com/article/10.1007%2Fs10994-015-5487-y статья]

	* Symeonidis, P., Nanopoulos, A., Papadopoulos, A. N., & Manolopoulos, Y. (2008). Nearest-biclusters collaborative filtering based on constant and coherent values. Information Retrieval, 11(1), 51–75.		* Symeonidis, P., Nanopoulos, A., Papadopoulos, A. N., & Manolopoulos, Y. (2008). Nearest-biclusters collaborative filtering based on constant and coherent values. Information Retrieval, 11(1), 51–75. [https://ieeexplore.ieee.org/document/5280358/ статья]
	[https://ieeexplore.ieee.org/document/5280358/ статья]

	*Nanopoulos, A., Rafailidis, D., Symeonidis, P., & Manolopoulos, Y. (2010). Musicbox: Personalized music recommendation based on cubic analysis of social tags. IEEE Transactions on Audio, Speech & Language Processing, 18(2), 407–412.		*Nanopoulos, A., Rafailidis, D., Symeonidis, P., & Manolopoulos, Y. (2010). Musicbox: Personalized music recommendation based on cubic analysis of social tags. IEEE Transactions on Audio, Speech & Language Processing, 18(2), 407–412. [https://link.springer.com/article/10.1007%2Fs10791-007-9038-4 статья]
	[https://link.springer.com/article/10.1007%2Fs10791-007-9038-4 статья]

	*Ignatov, D. I., Kuznetsov, S. O., Poelmans, J., & Zhukov, L. E. (2013). Can triconcepts become triclusters? International Journal of General Systems, 42(6), 572–593.		*Ignatov, D. I., Kuznetsov, S. O., Poelmans, J., & Zhukov, L. E. (2013). Can triconcepts become triclusters? International Journal of General Systems, 42(6), 572–593. [https://www.tandfonline.com/doi/abs/10.1080/03081079.2013.798899 статья]
	[https://www.tandfonline.com/doi/abs/10.1080/03081079.2013.798899 статья]

	*du Boucher-Ryan, P., & Bridge, D. G. (2006). Collaborative recommending using formal concept analysis. Knowledge-Based Systems, 19(5), 309–315.		*du Boucher-Ryan, P., & Bridge, D. G. (2006). Collaborative recommending using formal concept analysis. Knowledge-Based Systems, 19(5), 309–315. [https://www.sciencedirect.com/science/article/abs/pii/S0950705106000074?via%3Dihub статья]
	[https://www.sciencedirect.com/science/article/abs/pii/S0950705106000074?via%3Dihub статья]

	*Cerf, L., Besson, J., Robardet, C., & Boulicaut, J. F. (2009). Closed patterns meet n-ary relations. ACM Transactions on Knowledge Discovery from Data, 3, 3:1–3:36.		*Cerf, L., Besson, J., Robardet, C., & Boulicaut, J. F. (2009). Closed patterns meet n-ary relations. ACM Transactions on Knowledge Discovery from Data, 3, 3:1–3:36. [https://dl.acm.org/citation.cfm?doid=1497577.1497580 статья]
	[https://dl.acm.org/citation.cfm?doid=1497577.1497580 статья]

	*Ignatov, D. I., Kuznetsov, S. O., & Poelmans, J. (2012). Concept-based biclustering for internet advertisement. In: IEEE computer society ICDM workshops, pp. 123–130.		*Ignatov, D. I., Kuznetsov, S. O., & Poelmans, J. (2012). Concept-based biclustering for internet advertisement. In: IEEE computer society ICDM workshops, pp. 123–130. [https://ieeexplore.ieee.org/abstract/document/6406432 статья]
	[https://ieeexplore.ieee.org/abstract/document/6406432 статья]

Рекомендательные системы и поиск закономерностей в данных - История изменений

Machine: /* Журнал занятий */

Machine: /* Занятие от 12.12.2018 */

Machine: /* Занятие от 12.12.2018 */

Machine: /* Занятие от 12.12.2018 */

Machine: /* Занятие от 12.12.2018 */

Machine: /* Занятие от 12.12.2018 */

Machine: /* Журнал занятий */

Machine: /* Занятие от 12.12.2018 */

Machine: /* Занятие от 12.12.2018 */

Machine: /* Занятие от 12.12.2018 */