Información del autor
Autor Dokoohaki, Nima |
Documentos disponibles escritos por este autor (3)
Crear una solicitud de compra Refinar búsquedaEmerging Research Challenges and Opportunities in Computational Social Network Analysis and Mining / Agarwal, Nitin ; Dokoohaki, Nima ; Tokdemir, Serpil
TÃtulo : Emerging Research Challenges and Opportunities in Computational Social Network Analysis and Mining Tipo de documento: documento electrónico Autores: Agarwal, Nitin, ; Dokoohaki, Nima, ; Tokdemir, Serpil, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: X, 278 p. 46 ilustraciones, 28 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-94105-9 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: SociologÃa Procesamiento de datos teorÃa del sistema Ciencias sociales Métodos sociológicos MinerÃa de datos y descubrimiento de conocimientos Sistemas complejos Aplicación informática en ciencias sociales y del comportamiento. Clasificación: 301.01 Resumen: Los contribuyentes de este libro comparten, intercambian y desarrollan nuevos conceptos, ideas, principios y metodologÃas para avanzar y profundizar nuestra comprensión de las redes sociales en la nueva generación de TecnologÃas de la Información y la Comunicación (TIC) habilitadas por la Web 2.0, también referida como medios sociales, para ayudar en la formulación de polÃticas. Este trabajo interdisciplinario proporciona una plataforma para investigadores, profesionales y estudiantes de posgrado de sociologÃa, ciencias del comportamiento, informática, psicologÃa, estudios culturales, sistemas de información, investigación operativa y comunicación para compartir, intercambiar, aprender y desarrollar nuevos conceptos, ideas y principios. y metodologÃas. Los desafÃos y oportunidades de investigación emergentes en el análisis y la minerÃa de redes sociales computacionales serán de interés para investigadores, profesionales y estudiantes de posgrado de las diversas disciplinas enumeradas anteriormente. El texto facilita la difusión de investigaciones sobre la dinámica y estructura de las redes sociales basadas en la web. El libro puede utilizarse como texto de referencia para cursos avanzados sobre análisis de redes sociales, sociologÃa, comunicación, teorÃa de la organización, ciberantropologÃa, ciberdiplomacia y tecnologÃa de la información y justicia. Nota de contenido: Chapter1: Intent Mining for the Good, Bad & Ugly Use of Social Web: Concepts, Methods, and Challenges -- Chapter2: Bot-ivistm: Assessing Information Manipulation in Social Media Using Network Analytics -- Chapter3: Studying Fake News via Network Analysis: Detection and Mitigation -- Chapter4: Predictive Analysis on Twitter: Techniques and Applications -- Chapter5: Using Subgraph Distributions for Characterizing Networks and Fitting Random Graph Models -- Chapter6: Towards Effective Assessment of Group Collaborations in OSNs -- Chapter7: Dynamics of Overlapping Community Structures with Application to Expert Identification -- Chapter8: On Dynamic Topic Models for Mining Social Media -- Chapter9: Domain Specific Use Cases for Knowledge Enabled Social Media Analysis -- Chapter10: Privacy in Human Computation: User awareness study, Implications for existing platforms, Recommendations, and Research Directions. Tipo de medio : Computadora Summary : The contributors in this book share, exchange, and develop new concepts, ideas, principles, and methodologies in order to advance and deepen our understanding of social networks in the new generation of Information and Communication Technologies (ICT) enabled by Web 2.0, also referred to as social media, to help policy-making. This interdisciplinary work provides a platform for researchers, practitioners, and graduate students from sociology, behavioral science, computer science, psychology, cultural studies, information systems, operations research and communication to share, exchange, learn, and develop new concepts, ideas, principles, and methodologies. Emerging Research Challenges and Opportunities in Computational Social Network Analysis and Mining will be of interest to researchers, practitioners, and graduate students from the various disciplines listed above. The text facilitates the dissemination of investigations of the dynamics and structure of web based social networks. The book can be used as a reference text for advanced courses on Social Network Analysis, Sociology, Communication, Organization Theory, Cyber-anthropology, Cyber-diplomacy, and Information Technology and Justice. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Emerging Research Challenges and Opportunities in Computational Social Network Analysis and Mining [documento electrónico] / Agarwal, Nitin, ; Dokoohaki, Nima, ; Tokdemir, Serpil, . - 1 ed. . - [s.l.] : Springer, 2019 . - X, 278 p. 46 ilustraciones, 28 ilustraciones en color.
ISBN : 978-3-319-94105-9
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: SociologÃa Procesamiento de datos teorÃa del sistema Ciencias sociales Métodos sociológicos MinerÃa de datos y descubrimiento de conocimientos Sistemas complejos Aplicación informática en ciencias sociales y del comportamiento. Clasificación: 301.01 Resumen: Los contribuyentes de este libro comparten, intercambian y desarrollan nuevos conceptos, ideas, principios y metodologÃas para avanzar y profundizar nuestra comprensión de las redes sociales en la nueva generación de TecnologÃas de la Información y la Comunicación (TIC) habilitadas por la Web 2.0, también referida como medios sociales, para ayudar en la formulación de polÃticas. Este trabajo interdisciplinario proporciona una plataforma para investigadores, profesionales y estudiantes de posgrado de sociologÃa, ciencias del comportamiento, informática, psicologÃa, estudios culturales, sistemas de información, investigación operativa y comunicación para compartir, intercambiar, aprender y desarrollar nuevos conceptos, ideas y principios. y metodologÃas. Los desafÃos y oportunidades de investigación emergentes en el análisis y la minerÃa de redes sociales computacionales serán de interés para investigadores, profesionales y estudiantes de posgrado de las diversas disciplinas enumeradas anteriormente. El texto facilita la difusión de investigaciones sobre la dinámica y estructura de las redes sociales basadas en la web. El libro puede utilizarse como texto de referencia para cursos avanzados sobre análisis de redes sociales, sociologÃa, comunicación, teorÃa de la organización, ciberantropologÃa, ciberdiplomacia y tecnologÃa de la información y justicia. Nota de contenido: Chapter1: Intent Mining for the Good, Bad & Ugly Use of Social Web: Concepts, Methods, and Challenges -- Chapter2: Bot-ivistm: Assessing Information Manipulation in Social Media Using Network Analytics -- Chapter3: Studying Fake News via Network Analysis: Detection and Mitigation -- Chapter4: Predictive Analysis on Twitter: Techniques and Applications -- Chapter5: Using Subgraph Distributions for Characterizing Networks and Fitting Random Graph Models -- Chapter6: Towards Effective Assessment of Group Collaborations in OSNs -- Chapter7: Dynamics of Overlapping Community Structures with Application to Expert Identification -- Chapter8: On Dynamic Topic Models for Mining Social Media -- Chapter9: Domain Specific Use Cases for Knowledge Enabled Social Media Analysis -- Chapter10: Privacy in Human Computation: User awareness study, Implications for existing platforms, Recommendations, and Research Directions. Tipo de medio : Computadora Summary : The contributors in this book share, exchange, and develop new concepts, ideas, principles, and methodologies in order to advance and deepen our understanding of social networks in the new generation of Information and Communication Technologies (ICT) enabled by Web 2.0, also referred to as social media, to help policy-making. This interdisciplinary work provides a platform for researchers, practitioners, and graduate students from sociology, behavioral science, computer science, psychology, cultural studies, information systems, operations research and communication to share, exchange, learn, and develop new concepts, ideas, principles, and methodologies. Emerging Research Challenges and Opportunities in Computational Social Network Analysis and Mining will be of interest to researchers, practitioners, and graduate students from the various disciplines listed above. The text facilitates the dissemination of investigations of the dynamics and structure of web based social networks. The book can be used as a reference text for advanced courses on Social Network Analysis, Sociology, Communication, Organization Theory, Cyber-anthropology, Cyber-diplomacy, and Information Technology and Justice. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Fashion Recommender Systems Tipo de documento: documento electrónico Autores: Dokoohaki, Nima, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: VII, 145 p. 64 ilustraciones, 44 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-55218-3 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: TeorÃa de grafos Procesamiento de datos SociologÃa Procesamiento de la señal MinerÃa de datos y descubrimiento de conocimientos Métodos sociológicos Procesamiento de señales voz e imágenes Clasificación: 511.5 Resumen: Este libro incluye las actas del primer taller sobre sistemas de recomendación en la moda 2019. Presenta una visión de vanguardia de los avances dentro del campo de los sistemas de recomendación con aplicación enfocada al comercio electrónico, el comercio minorista y la moda. El volumen cubre contribuciones de investigadores académicos e industriales activos en este nuevo campo emergente. Los sistemas de recomendación se suelen utilizar para resolver diferentes problemas complejos en este escenario, como recomendaciones sociales basadas en moda (atuendos inspirados en influencers), recomendaciones de productos o recomendaciones de talla y ajuste. Es innegable el impacto de las redes sociales y la influencia que tienen los influencers de la moda en las elecciones que hacen las personas a la hora de comprar. Por ejemplo, muchas personas usan Instagram para conocer las tendencias de moda de los principales influencers, lo que les ayuda a comprar prendas similares o incluso exactas de las marcas etiquetadas en la publicación. Cuando se rastrea, el comportamiento social de los clientes puede ser una guÃa muy útil para los sitios web de compras en lÃnea, ya que proporciona información sobre los estilos que realmente interesan a los clientes y, por lo tanto, ayuda a las tiendas en lÃnea a ofrecer mejores recomendaciones y facilitar a los clientes la búsqueda de prendas. Otra dificultad bien conocida a la hora de recomendar artÃculos similares es la gran cantidad de prendas que pueden considerarse similares, pero pertenecen a marcas diferentes. Depender únicamente de datos implÃcitos sobre el comportamiento del cliente no será suficiente en el futuro próximo para distinguir entre una recomendación que conducirá a la compra y conservación de un artÃculo y una recomendación que podrÃa resultar en que el cliente no la siga o eventualmente devuelva el producto. artÃculo. Encontrar la talla y el ajuste correctos para la ropa es uno de los principales factores que no solo influyen en la decisión de compra de los clientes, sino también en su satisfacción con las plataformas de moda de comercio electrónico. Además, los artÃculos de moda tienen importantes variaciones de tallas. Por último, las preferencias de los clientes en cuanto al tamaño percibido del artÃculo y el ajuste a su cuerpo siguen siendo muy personales y subjetivas, lo que influye en la definición de la talla adecuada para cada cliente. La combinación de los factores anteriores deja a los clientes solos frente al difÃcil problema de determinar el tamaño y el ajuste correctos durante su proceso de compra, lo que a su vez ha resultado en que más de un tercio de las devoluciones de prendas de vestir se deban a no haber pedido el producto correcto. Tamaño del artÃculo. Este desafÃo presenta una gran oportunidad para la investigación en sistemas inteligentes de recomendación de tamaño y ajuste y soluciones de aprendizaje automático con un impacto directo tanto en la satisfacción del cliente como en la rentabilidad empresarial. Nota de contenido: Part 1. Cold Start in Recommendations -- Chapter 1. Fashion Recommender Systems in Cold Start ( Mehdi Elahi) -- Part 2. Complementary and Session Based Recommendation -- Chapter 2. Enabling Hyper-Personalisation: Automated AdCreative Generation and Ranking for Fashion e-Commerce (Sreekanth Vempati) -- Chapter 3. Two-Stage Session-based Recommendations with Candidate Rank Embeddings (Jose Antonio Sanchez Rodrguez) -- Part 3. Outfit Recommendations -- Chapter 4. Attention-based Fusion for Outfit Recommendation (Katrien Laenen) -- Chapter 5. Outfit2Vec: Incorporating Clothing Hierarchical MetaData into Outfits' Recommendation (Shatha Jaradat) -- Part 4. Sizing and Fit Recommendations -- Chapter 6. Learning Size and Fit from Fashion Images (Nour Karessli) -- Part 5. Generative Outfit Recommendation -- Chapter 7. Generating High-Resolution Fashion Model Images Wearing Custom Outfits (Gokhan Yildirim). Tipo de medio : Computadora Summary : This book includes the proceedings of the first workshop on Recommender Systems in Fashion 2019. It presents a state of the art view of the advancements within the field of recommendation systems with focused application to e-commerce, retail and fashion. The volume covers contributions from academic as well as industrial researchers active within this emerging new field. Recommender Systems are often used to solve different complex problems in this scenario, such as social fashion-based recommendations (outfits inspired by influencers), product recommendations, or size and fit recommendations. The impact of social networks and the influence that fashion influencers have on the choices people make for shopping is undeniable. For instance, many people use Instagram to learn about fashion trends from top influencers, which helps them to buy similar or even exact outfits from the tagged brands in the post. When traced, customers' social behavior can be a very useful guide for online shopping websites, providing insights on the styles the customers are really interested in, and hence aiding the online shops in offering better recommendations and facilitating customers quest for outfits. Another well known difficulty with recommendation of similar items is the large quantities of clothing items which can be considered similar, but belong to different brands. Relying only on implicit customer behavioral data will not be sufficient in the coming future to distinguish between for recommendation that will lead to an item being purchased and kept, vs. a recommendation that might result in either the customer not following it, or eventually return the item. Finding the right size and fit for clothes is one of the major factors not only impacting customers purchase decision, but also their satisfaction from e-commerce fashion platforms. Moreover, fashion articles have important sizing variations. Finally, customer preferencestowards perceived article size and fit for their body remain highly personal and subjective which influences the definition of the right size for each customer. The combination of the above factors leaves the customers alone to face a highly challenging problem of determining the right size and fit during their purchase journey, which in turn has resulted in having more than one third of apparel returns to be caused by not ordering the right article size. This challenge presents a huge opportunity for research in intelligent size and fit recommendation systems and machine learning solutions with direct impact on both customer satisfaction and business profitability. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Fashion Recommender Systems [documento electrónico] / Dokoohaki, Nima, . - 1 ed. . - [s.l.] : Springer, 2020 . - VII, 145 p. 64 ilustraciones, 44 ilustraciones en color.
ISBN : 978-3-030-55218-3
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: TeorÃa de grafos Procesamiento de datos SociologÃa Procesamiento de la señal MinerÃa de datos y descubrimiento de conocimientos Métodos sociológicos Procesamiento de señales voz e imágenes Clasificación: 511.5 Resumen: Este libro incluye las actas del primer taller sobre sistemas de recomendación en la moda 2019. Presenta una visión de vanguardia de los avances dentro del campo de los sistemas de recomendación con aplicación enfocada al comercio electrónico, el comercio minorista y la moda. El volumen cubre contribuciones de investigadores académicos e industriales activos en este nuevo campo emergente. Los sistemas de recomendación se suelen utilizar para resolver diferentes problemas complejos en este escenario, como recomendaciones sociales basadas en moda (atuendos inspirados en influencers), recomendaciones de productos o recomendaciones de talla y ajuste. Es innegable el impacto de las redes sociales y la influencia que tienen los influencers de la moda en las elecciones que hacen las personas a la hora de comprar. Por ejemplo, muchas personas usan Instagram para conocer las tendencias de moda de los principales influencers, lo que les ayuda a comprar prendas similares o incluso exactas de las marcas etiquetadas en la publicación. Cuando se rastrea, el comportamiento social de los clientes puede ser una guÃa muy útil para los sitios web de compras en lÃnea, ya que proporciona información sobre los estilos que realmente interesan a los clientes y, por lo tanto, ayuda a las tiendas en lÃnea a ofrecer mejores recomendaciones y facilitar a los clientes la búsqueda de prendas. Otra dificultad bien conocida a la hora de recomendar artÃculos similares es la gran cantidad de prendas que pueden considerarse similares, pero pertenecen a marcas diferentes. Depender únicamente de datos implÃcitos sobre el comportamiento del cliente no será suficiente en el futuro próximo para distinguir entre una recomendación que conducirá a la compra y conservación de un artÃculo y una recomendación que podrÃa resultar en que el cliente no la siga o eventualmente devuelva el producto. artÃculo. Encontrar la talla y el ajuste correctos para la ropa es uno de los principales factores que no solo influyen en la decisión de compra de los clientes, sino también en su satisfacción con las plataformas de moda de comercio electrónico. Además, los artÃculos de moda tienen importantes variaciones de tallas. Por último, las preferencias de los clientes en cuanto al tamaño percibido del artÃculo y el ajuste a su cuerpo siguen siendo muy personales y subjetivas, lo que influye en la definición de la talla adecuada para cada cliente. La combinación de los factores anteriores deja a los clientes solos frente al difÃcil problema de determinar el tamaño y el ajuste correctos durante su proceso de compra, lo que a su vez ha resultado en que más de un tercio de las devoluciones de prendas de vestir se deban a no haber pedido el producto correcto. Tamaño del artÃculo. Este desafÃo presenta una gran oportunidad para la investigación en sistemas inteligentes de recomendación de tamaño y ajuste y soluciones de aprendizaje automático con un impacto directo tanto en la satisfacción del cliente como en la rentabilidad empresarial. Nota de contenido: Part 1. Cold Start in Recommendations -- Chapter 1. Fashion Recommender Systems in Cold Start ( Mehdi Elahi) -- Part 2. Complementary and Session Based Recommendation -- Chapter 2. Enabling Hyper-Personalisation: Automated AdCreative Generation and Ranking for Fashion e-Commerce (Sreekanth Vempati) -- Chapter 3. Two-Stage Session-based Recommendations with Candidate Rank Embeddings (Jose Antonio Sanchez Rodrguez) -- Part 3. Outfit Recommendations -- Chapter 4. Attention-based Fusion for Outfit Recommendation (Katrien Laenen) -- Chapter 5. Outfit2Vec: Incorporating Clothing Hierarchical MetaData into Outfits' Recommendation (Shatha Jaradat) -- Part 4. Sizing and Fit Recommendations -- Chapter 6. Learning Size and Fit from Fashion Images (Nour Karessli) -- Part 5. Generative Outfit Recommendation -- Chapter 7. Generating High-Resolution Fashion Model Images Wearing Custom Outfits (Gokhan Yildirim). Tipo de medio : Computadora Summary : This book includes the proceedings of the first workshop on Recommender Systems in Fashion 2019. It presents a state of the art view of the advancements within the field of recommendation systems with focused application to e-commerce, retail and fashion. The volume covers contributions from academic as well as industrial researchers active within this emerging new field. Recommender Systems are often used to solve different complex problems in this scenario, such as social fashion-based recommendations (outfits inspired by influencers), product recommendations, or size and fit recommendations. The impact of social networks and the influence that fashion influencers have on the choices people make for shopping is undeniable. For instance, many people use Instagram to learn about fashion trends from top influencers, which helps them to buy similar or even exact outfits from the tagged brands in the post. When traced, customers' social behavior can be a very useful guide for online shopping websites, providing insights on the styles the customers are really interested in, and hence aiding the online shops in offering better recommendations and facilitating customers quest for outfits. Another well known difficulty with recommendation of similar items is the large quantities of clothing items which can be considered similar, but belong to different brands. Relying only on implicit customer behavioral data will not be sufficient in the coming future to distinguish between for recommendation that will lead to an item being purchased and kept, vs. a recommendation that might result in either the customer not following it, or eventually return the item. Finding the right size and fit for clothes is one of the major factors not only impacting customers purchase decision, but also their satisfaction from e-commerce fashion platforms. Moreover, fashion articles have important sizing variations. Finally, customer preferencestowards perceived article size and fit for their body remain highly personal and subjective which influences the definition of the right size for each customer. The combination of the above factors leaves the customers alone to face a highly challenging problem of determining the right size and fit during their purchase journey, which in turn has resulted in having more than one third of apparel returns to be caused by not ordering the right article size. This challenge presents a huge opportunity for research in intelligent size and fit recommendation systems and machine learning solutions with direct impact on both customer satisfaction and business profitability. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Recommender Systems in Fashion and Retail Tipo de documento: documento electrónico Autores: Dokoohaki, Nima, ; Jaradat, Shatha, ; Corona PampÃn, Humberto Jesús, ; Shirvany, Reza, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: V, 160 p. 52 ilustraciones, 45 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-66103-8 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Procesamiento de datos Inteligencia artificial Inteligencia Computacional Comercio electrónico Materiales de construcción Procesamiento de imágenes MinerÃa de datos y descubrimiento de conocimientos comercio electrónico y negocios electrónicos Madera telas y textiles. Clasificación: 006.312 Resumen: Este libro incluye las actas del segundo taller sobre sistemas de recomendación en moda y comercio minorista (2020) y tiene como objetivo presentar una visión de vanguardia de los avances en el campo de los sistemas de recomendación con aplicación enfocada al comercio electrónico. , comercio minorista y moda presentando a los lectores capÃtulos que cubren contribuciones de investigadores académicos e industriales activos en este nuevo campo emergente. Los sistemas de recomendación se utilizan a menudo para resolver diferentes problemas complejos en este escenario, como recomendaciones de productos, o recomendaciones de talla y ajuste, y recomendaciones influenciadas por las redes sociales (atuendos usados ​​por personas influyentes). . Nota de contenido: Chapter 1. The Importance of Brand Affinity in Luxury Fashion Recommendations -- Chapter 2. Probabilistic Color Modelling of Clothing Items -- Chapter 3. User Aesthetics Identiï¬cation for Fashion Recommendations -- Chapter 4. Towards User-in-the-Loop Online Fashion Size Recommendation with Low Cognitive Load -- Chapter 5. Attention Gets You the Right Size and Fit in Fashion -- Chapter 6. The Ensemble-Building Challenge for Fashion Recommendation -- Chapter 7. Outï¬t Generation and Recommendation – An Experimental Study -- Chapter 8. Understanding Professional Fashion Stylists' Outfit Recommendation Process. Tipo de medio : Computadora Summary : This book includes the proceedings of the second workshop on recommender systems in fashion and retail (2020), and it aims to present a state-of-the-art view of the advancements within the field of recommendation systems with focused application to e-commerce, retail, and fashion by presenting readers with chapters covering contributions from academic as well as industrial researchers active within this emerging new field. Recommender systems are often used to solve different complex problems in this scenario, such as product recommendations, or size and fit recommendations, and social media-influenced recommendations (outfits worn by influencers). . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Recommender Systems in Fashion and Retail [documento electrónico] / Dokoohaki, Nima, ; Jaradat, Shatha, ; Corona PampÃn, Humberto Jesús, ; Shirvany, Reza, . - 1 ed. . - [s.l.] : Springer, 2021 . - V, 160 p. 52 ilustraciones, 45 ilustraciones en color.
ISBN : 978-3-030-66103-8
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: Procesamiento de datos Inteligencia artificial Inteligencia Computacional Comercio electrónico Materiales de construcción Procesamiento de imágenes MinerÃa de datos y descubrimiento de conocimientos comercio electrónico y negocios electrónicos Madera telas y textiles. Clasificación: 006.312 Resumen: Este libro incluye las actas del segundo taller sobre sistemas de recomendación en moda y comercio minorista (2020) y tiene como objetivo presentar una visión de vanguardia de los avances en el campo de los sistemas de recomendación con aplicación enfocada al comercio electrónico. , comercio minorista y moda presentando a los lectores capÃtulos que cubren contribuciones de investigadores académicos e industriales activos en este nuevo campo emergente. Los sistemas de recomendación se utilizan a menudo para resolver diferentes problemas complejos en este escenario, como recomendaciones de productos, o recomendaciones de talla y ajuste, y recomendaciones influenciadas por las redes sociales (atuendos usados ​​por personas influyentes). . Nota de contenido: Chapter 1. The Importance of Brand Affinity in Luxury Fashion Recommendations -- Chapter 2. Probabilistic Color Modelling of Clothing Items -- Chapter 3. User Aesthetics Identiï¬cation for Fashion Recommendations -- Chapter 4. Towards User-in-the-Loop Online Fashion Size Recommendation with Low Cognitive Load -- Chapter 5. Attention Gets You the Right Size and Fit in Fashion -- Chapter 6. The Ensemble-Building Challenge for Fashion Recommendation -- Chapter 7. Outï¬t Generation and Recommendation – An Experimental Study -- Chapter 8. Understanding Professional Fashion Stylists' Outfit Recommendation Process. Tipo de medio : Computadora Summary : This book includes the proceedings of the second workshop on recommender systems in fashion and retail (2020), and it aims to present a state-of-the-art view of the advancements within the field of recommendation systems with focused application to e-commerce, retail, and fashion by presenting readers with chapters covering contributions from academic as well as industrial researchers active within this emerging new field. Recommender systems are often used to solve different complex problems in this scenario, such as product recommendations, or size and fit recommendations, and social media-influenced recommendations (outfits worn by influencers). . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
