Studenti del DEIB classificati al secondo posto alla RecSys Challenge 2018
13 novembre 2018
Sommario
Il team 'Creamy Fireflies' del gruppo di ricerca di Architetture del DEIB - Politecnico di Milano si è classificato secondo nella "Creative Track" della Spotify RecSys Challenge 2018 tra più di 100 partecipanti.
La squadra, composta da Sebastiano Antenucci, Ervin Dervishaj, Emanuele Chioso, Simone Boglio, Shuwen Kang, Tommaso Scarlatti e Maurizio Ferrari Dacrema, ha presenatato il proprio lavoro nella competizione organizzata nell'ambito della 12^ Conferenza ACM Recommender Systems tenutasi a Vancouver dal 2 al 7 ottobre 2018.
La conferenza ACM Recommender Systems (RecSys) è il principale forum internazionale per la presentazione di nuovi risultati di ricerca, sistemi e tecniche nel campo dei sistemi di raccomandazione. I sistemi di raccomandazione sono strumenti di filtraggio delle informazioni a supporto degli utenti, per agevolare la loro navigazione nei vasti cataloghi di informazioni, prodotti e news ora disponibili nell'era dell'informazione e dell'e-commerce. I suggerimenti ricevuti dall'utente sono personalizzati in base a come ha interagito in passato col sistema, alle sue preferenze ed altre informazioni personali.
La squadra, composta da Sebastiano Antenucci, Ervin Dervishaj, Emanuele Chioso, Simone Boglio, Shuwen Kang, Tommaso Scarlatti e Maurizio Ferrari Dacrema, ha presenatato il proprio lavoro nella competizione organizzata nell'ambito della 12^ Conferenza ACM Recommender Systems tenutasi a Vancouver dal 2 al 7 ottobre 2018.
La conferenza ACM Recommender Systems (RecSys) è il principale forum internazionale per la presentazione di nuovi risultati di ricerca, sistemi e tecniche nel campo dei sistemi di raccomandazione. I sistemi di raccomandazione sono strumenti di filtraggio delle informazioni a supporto degli utenti, per agevolare la loro navigazione nei vasti cataloghi di informazioni, prodotti e news ora disponibili nell'era dell'informazione e dell'e-commerce. I suggerimenti ricevuti dall'utente sono personalizzati in base a come ha interagito in passato col sistema, alle sue preferenze ed altre informazioni personali.