How to exploit Recommender Systems in Social Media

PERSIA, Fabio, Mouzhi GE a Daniela D'AURIA. How to exploit Recommender Systems in Social Media. Online. In Proceedings of the IEEE 19th International Conference on Information Reuse and Integration for Data Science. Salt Lake City: IEEE, 2018, s. 537-541. ISBN 978-1-5386-2659-7. Dostupné z: https://dx.doi.org/10.1109/IRI.2018.00085.

Základní údaje

• Originální název: How to exploit Recommender Systems in Social Media
• Autoři: PERSIA, Fabio (380 Itálie), Mouzhi GE (156 Čína, garant, domácí) a Daniela D'AURIA.
• Vydání: Salt Lake City, Proceedings of the IEEE 19th International Conference on Information Reuse and Integration for Data Science, od s. 537-541, 5 s. 2018.
• Nakladatel: IEEE

Další údaje

• Originální jazyk: angličtina
• Typ výsledku: Stať ve sborníku
• Obor: 10201 Computer sciences, information science, bioinformatics
• Stát vydavatele: Spojené státy
• Utajení: není předmětem státního či obchodního tajemství
• Forma vydání: elektronická verze "online"
• Kód RIV: RIV/00216224:14330/18:00103078
• Organizační jednotka: Fakulta informatiky
• ISBN: 978-1-5386-2659-7
• Doi: http://dx.doi.org/10.1109/IRI.2018.00085
• UT WoS: 000442457000077
• Klíčová slova anglicky: social media; recommender system; media recommendations; social media applications
• Příznaky: Mezinárodní význam, Recenzováno

Anotace

The rapid increase and widespread of social media data have created new research challenges and opportunities for social media recommender systems, which are designed to recommend personalized, interesting, credible social media content with possible social impact. However, due to complexity in social network and new media interaction, the research of social media recommender systems is still on its initial stage. Therefore, this paper aims to review the state-of-the-art research that are related to social media recommender systems, and identify the critical factors for building new social media recommender systems. Our results show that relevance, validity, popularity, credibility and social impact are considered to be the 5 important factors for social media recommender systems.