An FCA-based Boolean Matrix Factorisation for Collaborative Filtering

Nenova Elena; D. I. Ignatov; A. V. Konstantinov

?

An FCA-based Boolean Matrix Factorisation for Collaborative Filtering

P. 57–73.

Nenova Elena, Игнатов Д. И., Константинов А. В.

We propose a new approach for Collaborative ltering which is based on Boolean Matrix Factorisation (BMF) and Formal Concept Analysis. In a series of experiments on real data (Movielens dataset) we compare the approach with the SVD- and NMF-based algorithms in terms of Mean Average Error (MAE). One of the experimental con- sequences is that it is enough to have a binary-scaled rating data to obtain almost the same quality in terms of MAE by BMF than for the SVD-based algorithm in case of non-scaled data.

Язык: английский

Полный текст

Текст на другом сайте

Ключевые слова: анализ формальных понятий FCA (Formal Concept Analysis)Boolean Matrix Factorisation Recommender Algorithms Singular Value Decomposition булева матричная факторизация рекомендательные алгоритмы разложение по сингулярным значениям

В книге

Formal Concept Analysis Meets Information Retrieval 2013

Vol. 977. , Aachen: CEUR Workshop Proceedings, 2013.

Recovery degree constrained equiconcept/pseudo-equiconcept reduction in symmetric formal contexts

Junyu B., Fei H., Huilin F. и др., International Journal of Approximate Reasoning 2025 Vol. 187 Article 109541

Добавлено: 1 декабря 2025 г.

Clustering with Stable Pattern Concepts

Дудырев Е. О., Mariia Zueva, Кузнецов С. О. и др., , in: FCA4AI 2024: The 12th International Workshop "What can FCA do for Artificial Intelligence?", October 19 2024, Santiago de Compostela, SpainVol. 3911.: CEUR Workshop Proceedings, 2024. P. 47–58.

Добавлено: 30 апреля 2025 г.

FCA4AI 2024: The 12th International Workshop "What can FCA do for Artificial Intelligence?", October 19 2024, Santiago de Compostela, Spain

CEUR Workshop Proceedings, 2024.

Добавлено: 29 апреля 2025 г.

Права и свободы человека и гражданина в цифровую эпоху: государства versus IT-гиганты

Виноградов В. А., Журнал российского права 2024 Т. 28 № 9 С. 72–87

Стремительная цифровизация всех сфер жизни общества привела к трансформации в цифровой среде существующих прав и свобод человека и гражданина. Цифровизация может не только изменить специфику и условия реализации базовых прав, но и, что важнее, повлиять на их содержание, придавая правам и свободам новый (дополнительный) смысл. Однако расширяя возможности для реализации основных прав и свобод, цифровизация ...

Добавлено: 3 октября 2024 г.

On SVD and Polar Decomposition in Real and Complexified Clifford Algebras

Широков Д. С., Advances in Applied Clifford Algebras 2024 Vol. 34 Article 23

In this paper, we present a natural implementation of singular value decomposition (SVD) and polar decomposition of an arbitrary multivector in nondegenerate real and complexified Clifford geometric algebras of arbitrary dimension and signature. The new theorems involve only operations in geometric algebras and do not involve matrix operations. We naturally define these and other related ...

Добавлено: 23 августа 2024 г.

Constructing decision quivers

Дудырев Е. О., Кузнецов С. О., Napoli A., , in: FCA4AI 2023 What can FCA do for Artificial Intelligence 2023 Proceedings of the 11th International Workshop "What can FCA do for Artificial Intelligence?" co-located with the 32nd International Joint Conference on Artificial Intelligence (IJCAI 2023) Macao, S.A.R. China; August 20, 2023Vol. 3489.: CEUR-WS.org, 2023. P. 69–80.

Добавлено: 4 октября 2023 г.

Description Quivers for Compact Representation of Concept Lattices and Ensembles of Decision Trees

Дудырев Е. О., Кузнецов С. О., Napoli A., , in: 17th International Conference, ICFCA 2023, Kassel, Germany, July 17–21, 2023, Proceedings. Formal Concept Analysis, (LNCS, volume 13934).: Switzerland: Springer, 2023. P. 127–142.

Добавлено: 4 октября 2023 г.

On the Number of Maximal Antichains in Boolean Lattices for 𝑛 up to 7

Игнатов Д. И., Lobachevskii Journal of Mathematics 2023 No. 44 P. 137–146

Добавлено: 13 июня 2023 г.

АНАЛИЗ СТРУКТУРЫ ВРЕМЕННЫХ РЯДОВ КОЛИЧЕСТВА ДЕЛ В СУДЕ

Лукьянченко П. П., Громов В. А., Бесчастнов Ю. Н. и др., Вестник кибернетики 2022 Т. 4 № 48 С. 37–48

Проведен анализ временных рядов количества новых дел в административных судах РФ двумя методами группировки временных рядов с учетом хаотичности, случайности и регулярности их структуры. Первая модель основана на плоскости «энтропия – сложность», вторая – граф «атрибут – объект». Выведено четыре группы временных рядов: регулярные, регулярные-хаотические, строго хаотические и хаотические-стохастические, из которых хаотические-стохастические оказались в большинстве, что свойственно реальным ...

Добавлено: 20 марта 2023 г.

Применение методов анализа формальных понятий для анализа временных рядов тока крови для гемодиализных больных

Громов В. А., Урманцева Н. Р., [б.и.], 2021.

В докладе рассматриваются подходы к прогнозированию на основе кластеризации, опирающиеся на методологию анализа формальных понятий. Методология применяется для кластеризации участков временного ряда с целью выделения характерных участков (мотивов), отвечающих больным с различной степенью засорённости фистулы. ...

Добавлено: 30 января 2023 г.

Ensemble Techniques for Lazy Classification Based on Pattern Structures

Ilya Semenkov, Sergei O. Kuznetsov, , in: Proceedings of the 9th International Workshop "What can FCA do for Artificial Intelligence?" (FCA4AI 2021)Vol. 2972.: CEUR-WS, 2021. P. 105–112.

Добавлено: 19 декабря 2022 г.

Triclustering in Big Data Setting

Егурнов Д. А., Точилкин Д. С., Игнатов Д. И., , in: Complex Data Analytics with Formal Concept Analysis.: Springer, 2022. P. 239–258.

Добавлено: 1 ноября 2022 г.

Complex Data Analytics with Formal Concept Analysis

Springer, 2022.

Добавлено: 1 ноября 2022 г.

Organizing Contexts as a Lattice of Decision Trees for Machine Reading Comprehension

Galitsky B., Ильвовский Д. А., Гончарова Е. Ф., , in: Proceedings of the 10th International Workshop "What can FCA do for Artificial Intelligence?"Vol. 3233.: CEUR Workshop Proceedings, 2022. P. 75–87.

Добавлено: 1 ноября 2022 г.

Towards Fast Finding Optimal Short Classifiers

Дудырев Е. О., Кузнецов С. О., , in: Proceedings of the 10th International Workshop "What can FCA do for Artificial Intelligence?"Vol. 3233.: CEUR Workshop Proceedings, 2022. P. 23–34.

Добавлено: 1 ноября 2022 г.

Hyperbolic Singular Value Decomposition in the Study of Yang–Mills and Yang–Mills–Proca Equations

D. S. Shirokov, Computational Mathematics and Mathematical Physics 2022 Vol. 62 No. 6 P. 1007–1019

Добавлено: 11 октября 2022 г.

Summation of Decision Trees

Дудырев Е. О., Кузнецов С. О., , in: Proceedings of the 9th International Workshop "What can FCA do for Artificial Intelligence?" (FCA4AI 2021)Vol. 2972.: CEUR-WS, 2021. Ch. 9 P. 99–104.

Добавлено: 8 декабря 2021 г.

Exploring the dataset structure by means of delta-classes of equivalence. The case of the titanic dataset?

Бузмаков А. В., Кузнецов С. О., Makhalova T. и др., , in: Proceedings of the 9th International Workshop "What can FCA do for Artificial Intelligence?" (FCA4AI 2021)Vol. 2972.: CEUR-WS, 2021. Ch. 2 P. 19–26.

Добавлено: 7 декабря 2021 г.

On Suboptimality of GreConD for Boolean Matrix Factorisation of Contranominal Scales

Игнатов Д. И., Яковлева А. С., , in: Proceedings of the 9th International Workshop "What can FCA do for Artificial Intelligence?" (FCA4AI 2021)Vol. 2972.: CEUR-WS, 2021. P. 87–98.

Добавлено: 1 ноября 2021 г.

Concept-based chatbot for interactive query refinement in product search

Гончарова Е. Ф., Ильвовский Д. А., Galitsky B., , in: Proceedings of the 9th International Workshop "What can FCA do for Artificial Intelligence?" (FCA4AI 2021)Vol. 2972.: CEUR-WS, 2021. P. 51–58.

Добавлено: 28 октября 2021 г.

Towards Stable Significant Subgroup Discovery

Jyoti -., Buzmakov Aleksey, Kailasam S., , in: The 15th International Conference on Concept Lattices and Their Applications CLA2020Issue 2668.: CEUR-WS, 2020. P. 287–292.

Добавлено: 10 июля 2021 г.