机构名称：
¥ 1.0
详细主题 推荐系统用于促进用户和优惠之间的匹配。几年来，它们已大量出现在商业导向应用中，例如在线广告或电影推荐等。在这种情况下，人们试图将用户与他或她最有可能点击的产品的潜在广告相匹配；或者他或她最有可能观看的电影。这些推荐系统主要以利润为导向（例如，最大化点击次数，增加用户参与度），因此它们往往不考虑公共服务标准。对于公共部门的推荐系统，公共服务标准可能会补充甚至取代利润最大化。开发公共服务推荐系统 [1] 是该项目的核心。我们的项目是终身学习过程的一部分。更准确地说，我们处理的输入数据是用户的学习路径，以文凭、所接受的培训和过去几年所担任的职位的序列形式呈现。我们的目标是根据给定的用户设置目标（例如新职位及其相关的技能集）推荐最适合的培训计划。公共推荐系统最近开始出现在研究文献中，例如解决就业市场上的工作推荐问题 [3, 2]，或在线教育资源推荐 [5, 4]，这两个领域与我们的项目表现出很强的共性。从这些先前的研究开始，我们的目标是探索顺序推荐系统 (RS) [6] 在这种背景下的潜力。RS 方法通常分为基于内容的（其中内容指的是用户的个人资料信息）和协同过滤（基于用户过去的互动）。另一方面，顺序 RS 旨在了解用户随时间变化的输入，并按顺序对其过去的互动进行建模。因此，这些模型对我们来说特别有趣。
操作人工智能伦理（OpAIE）研究计划
主要关键词
相关文件推荐
