Grant/Projek zakończony
Zwiększanie przewidywania współczynnika klikalności: nowatorska modyfikacja algorytmu DeepFM
Identyfikator grantu: PT01144
Kierownik projektu: Adam Przybyłek
Politechnika Gdańska
Wydział Elektroniki, Telekomunikacji i Informatyki
Gdańsk
Data otwarcia: 2024-03-21
Data zakończenia: 2025-03-03
Streszczenie projektu
Celem projektu jest przeprowadzenie badań w tematyce Deep Factorization Machines w zastosowaniu do systemów rekomendacyjnych. Uzyskane wyniki zostaną przedstawione na konferencji naukowej ADBIS 2024 (https://conferences.sigappfr.org/adbis2024/) - 28th European Conference on Advances in Databases and Information Systems, a następnie opublikowane w materiałach konferencyjnych.
Tematem już przygotowanego artykułu naukowego jest "Enhancing Click-Through Rate Prediction: A Novel Modification of the DeepFM Algorithm". Całość projektu koordynowana jest przez dr Adama Przybyłka. Działamy także we współpracy z dr inż. Aleksandrą Karpus oraz profesor dr hab. inż. Agnieszką Landowską.
Tematem już przygotowanego artykułu naukowego jest "Enhancing Click-Through Rate Prediction: A Novel Modification of the DeepFM Algorithm". Całość projektu koordynowana jest przez dr Adama Przybyłka. Działamy także we współpracy z dr inż. Aleksandrą Karpus oraz profesor dr hab. inż. Agnieszką Landowską.
Publikacje
- Justyna Głogowska, Dariusz Kobiela, Szymon Mielewczyk, Session-based Recommendation with Graph Neural Networks with an examination of the impact of local and global vectors, European Conference on Advances in Databases and Information Systems 28, (2024) 263–272