Empfehlungssysteme
Ein Empfehlungssystem ist eine Technologie, die Nutzerverhaltensdaten, Präferenzinformationen und Produktmerkmale nutzt, um durch algorithmische Modelle das Interesse der Nutzer an Produkten vorherzusagen. Sein Kernziel ist es, die Nutzererfahrung zu optimieren, die Nutzergenugtuung und Plattformbindung zu erhöhen, während es gleichzeitig die Geschäftskonversionsraten und den Umsatz steigert. Empfehlungssysteme werden weit verbreitet in E-Commerce, sozialen Medien, Online-Video- und Musikstreaming-Plattformen eingesetzt, um effektiv die Nutzerbedürfnisse mit den Plattformressourcen abzugleichen und so eine effiziente Informationsfilterung und Wertlieferung zu erreichen.
MovieLens 1M
SSE-PT
MovieLens 20M
HyperML
MovieLens 100K
GHRS
MovieLens 10M
scaled-CER
Amazon-Book
HSTU+MoL
Gowalla
NESCL
Yelp2018
NESCL
Netflix
H+Vamp Gated
Douban Monti
GLocal-K
ReDial
KERL
Million Song Dataset
EASE
Flixster Monti
IGMC
Douban
I-CFN
Amazon Games
CARCA
YahooMusic Monti
MG-GAT
Amazon Beauty
ProxyRCA
Amazon Fashion
SAERS
Flixster
TransCF
Epinions
DANSER
YahooMusic
GRALS
Amazon Men
CARCA Learnt + Con
Polyvore
Fashion GAE
Last.FM
Ekar*
Yelp
ConvNCF
Frappe
INN
DBbook2014
KTUP (soft)
WeChat
DANSER
Amazon Product Data
TLSAN
Book-Crossing
KGNN-LS
Amazon-CDs
HGN
LT-OCF
MovieLens-Latest
RATE-CSE
Epinions-Extend
PixelRec
SASRec
Amazon C&A
Dianping-Food
KGNN-LS
GoodReads-Children
HGN
Amazon Books
Multi-Gradient Descent
Echonest
Tradesy
Amazon-Movies
HetroFair
Delicious
Amazon-Health
BeerAdvocate
CFM
Steam
SASRec
Alibaba-iFashion
HAKG
Pinterest
Amazon-Beauty
Fashion-Similar
SR-PredAO(SGNN-HN)
Last.FM-360k
GoodReads-Comics
HGN
Declicious
TransCF
CiteULike
Ciao
Amazon-Electronics