A general graph-based framework for top-N recommendation using content, temporal and trust information - Archive ouverte HAL Accéder directement au contenu
Article Dans Une Revue Journal of Interdisciplinary Methodologies and Issues in Science Année : 2019

A general graph-based framework for top-N recommendation using content, temporal and trust information

Résumé

Recommending appropriate items to users is crucial in many e-commerce platforms. One common approach consists in selecting the N most relevant items for each user. To achieve this, recom-mender systems rely on various kinds of information, like item and user features, past interest of users for items and trust between users. Current systems generally use only one or two such pieces of information, which limits their performance. In this paper, we design and implement GraFC2T2, a general graph-based framework to easily combine various kinds of information for top-N recommendation. It encodes content-based features, temporal and trust information into a graph model, and uses personalized PageRank on this graph to perform recommendation. Experiments are conducted on Epinions and Ciao datasets, and comparisons are done with systems based on matrix factorization and deep learning using F1-score, Hit ratio and MAP evaluation metrics. The results show that combining different kinds of information generally improves recommendation. This shows the relevance of the proposed framework.
Fichier principal
Vignette du fichier
Nzekon2009.pdf (2.04 Mo) Télécharger le fichier
GraFCTT_architecture.jpg (886.58 Ko) Télécharger le fichier
bip.pdf (46.74 Ko) Télécharger le fichier
ci_bip.pdf (42.18 Ko) Télécharger le fichier
ci_lsg.pdf (39.98 Ko) Télécharger le fichier
ci_stg.pdf (42.57 Ko) Télécharger le fichier
ciu_bip.pdf (43.32 Ko) Télécharger le fichier
ciu_lsg.pdf (49.15 Ko) Télécharger le fichier
ciu_stg.pdf (50.34 Ko) Télécharger le fichier
episcience_logo.png (3.92 Ko) Télécharger le fichier
espace_logo.png (9.74 Ko) Télécharger le fichier
imp_100_ciao.pdf (17.78 Ko) Télécharger le fichier
imp_100_epinions.pdf (18.03 Ko) Télécharger le fichier
imp_20_ciao.pdf (17.8 Ko) Télécharger le fichier
imp_20_epinions.pdf (18.06 Ko) Télécharger le fichier
imp_50_ciao.pdf (17.81 Ko) Télécharger le fichier
imp_50_epinions.pdf (18.05 Ko) Télécharger le fichier
imp_ciao.pdf (17.84 Ko) Télécharger le fichier
imp_epinions.pdf (18.03 Ko) Télécharger le fichier
jimis_logo.png (197.53 Ko) Télécharger le fichier
linkstream.pdf (48.77 Ko) Télécharger le fichier
lsg.pdf (30.78 Ko) Télécharger le fichier
results_100_ciao.pdf (18.74 Ko) Télécharger le fichier
results_100_epinions.pdf (18.76 Ko) Télécharger le fichier
results_20_ciao.pdf (19.07 Ko) Télécharger le fichier
results_20_epinions.pdf (19.17 Ko) Télécharger le fichier
results_50_ciao.pdf (18.85 Ko) Télécharger le fichier
results_50_epinions.pdf (18.97 Ko) Télécharger le fichier
results_ciao.pdf (19 Ko) Télécharger le fichier
results_epinions.pdf (19.11 Ko) Télécharger le fichier
stg.pdf (44.32 Ko) Télécharger le fichier
tw_edf.jpg (39.14 Ko) Télécharger le fichier
tw_lgf.jpg (25.26 Ko) Télécharger le fichier
Origine : Fichiers éditeurs autorisés sur une archive ouverte
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-02145164 , version 1 (01-06-2019)

Identifiants

Citer

Armel Jacques Nzekon Nzeko'O, Maurice Tchuente, Matthieu Latapy. A general graph-based framework for top-N recommendation using content, temporal and trust information. Journal of Interdisciplinary Methodologies and Issues in Science, 2019, Graph and network analysis, Analysis of networks and graphs, ⟨10.18713/JIMIS-300519-5-2⟩. ⟨hal-02145164⟩
121 Consultations
1418 Téléchargements

Altmetric

Partager

Gmail Facebook X LinkedIn More