Contextual recommendation system

Abstract The traditional recommendation system usually ignored the contextual information and simply focused on the past preferences of customers. However, there are usually various factors influencing customer’s decision on what product to buy and what information to rely on in reality. Besides, customer’s demand might change with context as well (e.g. time, location and weather etc). Therefore, this work proposes a contextual recommendation framework to improve this problem and provide more suitable recommendation results which could more consistent with customers requirement. Recommender systems are efficient tools that overcome the information overload problem by providing users with the most relevant contents. This is generally done through user's preferences/ratings acquired from log files of his former sessions. Besides these preferences, taking into account the interaction context of the user will improve the relevancy of recommendation process. In this paper, we propose a contextual recommender system based on both user profile and context. The approach we present is based on a previous work that provides a set of personalization services. We show how these services can be deployed in order to provide advanced contextual recommender systems.

astratto Il sistema tradizionale raccomandazione di solito ignorato le informazioni contestuali e semplicemente focalizzato sul passato preferenze dei clienti. Tuttavia, di solito ci sono diversi fattori che influenzano la decisione del cliente su quanto prodotto da acquistare e quali informazioni si basano su realtà. Inoltre, la domanda dei clienti, potrebbe cambiare con il contesto, nonché (per esempio tempo, luogo e tempo, ecc). Pertanto, questo lavoro propone un quadro contestuale raccomandazione per migliorare questo problema e fornire risultati raccomandazione più adatto che potrebbe più coerente con il requisito dei clienti. Sistemi di raccomandazione sono strumenti efficienti che superare il problema sovraccarico di informazioni, fornendo agli utenti con i contenuti più rilevanti. Questo è generalmente fatto attraverso le preferenze dell'utente / valutazioni acquisite dai file di log delle sue sessioni precedenti. Oltre a queste preferenze, tenendo conto del contesto di interazione degli utenti viene migliorare la rilevanza del processo di raccomandazione. In questo lavoro, proponiamo un sistema contestuale di raccomandazione sulla base sia profilo utente e contesto. L'approccio che presentiamo si basa su un lavoro precedente che fornisce una serie di servizi di personalizzazione. Ci mostrano come questi servizi possono essere implementati al fine di fornire avanzati sistemi di raccomandazione contestuale.