Buchumschlag

From Data Complexity to User Simplicity: A Framework for Linked Open Data Reconciliation and Serendipitous Discovery

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Grasso, Marco, Renda, Giulia, Daquino, Marilena
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Information Retrieval
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Serendipitous Recommendation System Considering User Curiosity
von: Xu, Zhelin, et al.
Veröffentlicht: (2025)

Serendipitous Recommendation with Multimodal LLM
von: Wang, Haoting, et al.
Veröffentlicht: (2025)

Domain specific ontologies from Linked Open Data (LOD)
von: Uceda-Sosa, Rosario, et al.
Veröffentlicht: (2025)

Framework to Automatically Determine the Quality of Open Data Catalogs
von: Martinez-Gil, Jorge
Veröffentlicht: (2023)

Kleinkram: Open Robotic Data Management
von: Püntener, Cyrill, et al.
Veröffentlicht: (2025)

Personalized Deep Research: A User-Centric Framework, Dataset, and Hybrid Evaluation for Knowledge Discovery
von: Li, Xiaopeng, et al.
Veröffentlicht: (2026)

ReSearch: A Multi-Stage Machine Learning Framework for Earth Science Data Discovery
von: Sun, Youran, et al.
Veröffentlicht: (2026)

When Relevance Meets Novelty: Dual-Stable Periodic Optimization for Serendipitous Recommendation
von: Lin, Hongxiang, et al.
Veröffentlicht: (2025)

Preserving Culinary Traditions. A Crowdsourced Digital Collection of Cookbooks
von: Renda, Giulia, et al.
Veröffentlicht: (2025)

Vector Symbolic Open Source Information Discovery
von: Davies, Cai, et al.
Veröffentlicht: (2024)

Towards Personalized Privacy: User-Governed Data Contribution for Federated Recommendation
von: Qu, Liang, et al.
Veröffentlicht: (2024)

Capturing User Interests from Data Streams for Continual Sequential Recommendation
von: Lee, Gyuseok, et al.
Veröffentlicht: (2025)

Uncertainty-Aware Complex Scientific Table Data Extraction
von: Ajayi, Kehinde, et al.
Veröffentlicht: (2025)

AutoData: A Multi-Agent System for Open Web Data Collection
von: Ma, Tianyi, et al.
Veröffentlicht: (2025)

OpenExtract: Automated Data Extraction for Systematic Reviews in Health
von: Achterberg, Jim, et al.
Veröffentlicht: (2026)

Towards Better Understanding of User Satisfaction in Open-Domain Conversational Search
von: Chu, Zhumin, et al.
Veröffentlicht: (2022)

A Contrastive Framework with User, Item and Review Alignment for Recommendation
von: Dong, Hoang V., et al.
Veröffentlicht: (2025)

Benchmarking the Open Science Data Federation services to develop XRootD best practices
von: Andrijauskas, Fabio, et al.
Veröffentlicht: (2026)

A Hybrid Recommendation Framework for Enhancing User Engagement in Local News
von: Pourashraf, Payam, et al.
Veröffentlicht: (2025)

A Framework for Elastic Adaptation of User Multiple Intents in Sequential Recommendation
von: Wang, Zhikai, et al.
Veröffentlicht: (2025)

Learning Evolving Preferences: A Federated Continual Framework for User-Centric Recommendation
von: Zhang, Chunxu, et al.
Veröffentlicht: (2026)

Synthetic Data Generation with Large Language Models for Personalized Community Question Answering
von: Braga, Marco, et al.
Veröffentlicht: (2024)

An Annotated Glossary for Data Commons, Data Meshes, and Other Data Platforms
von: Grossman, Robert L.
Veröffentlicht: (2024)

Synergizing Implicit and Explicit User Interests: A Multi-Embedding Retrieval Framework at Pinterest
von: Fan, Zhibo, et al.
Veröffentlicht: (2025)

Breaking User-Centric Agency: A Tri-Party Framework for Agent-Based Recommendation
von: Gong, Yaxin, et al.
Veröffentlicht: (2026)

Know in AdVance: Linear-Complexity Forecasting of Ad Campaign Performance with Evolving User Interest
von: Wang, XiaoYu, et al.
Veröffentlicht: (2024)

Leveraging Multimodal Data and Side Users for Diffusion Cross-Domain Recommendation
von: Zhang, Fan, et al.
Veröffentlicht: (2025)

A Survey on Side Information-driven Session-based Recommendation: From a Data-centric Perspective
von: Zhang, Xiaokun, et al.
Veröffentlicht: (2025)

Demonstrating Linked Battery Data To Accelerate Knowledge Flow in Battery Science
von: Dechent, Philipp, et al.
Veröffentlicht: (2024)

Structured Linked Data as a Memory Layer for Agent-Orchestrated Retrieval
von: Volpini, Andrea, et al.
Veröffentlicht: (2026)

Linking Library Users: A Culture Change in Librarianship.
von: Koenig, Michael E. D.
Veröffentlicht: (1990)

Exploring Recommender System Evaluation: A Multi-Modal User Agent Framework for A/B Testing
von: Zhang, Wenlin, et al.
Veröffentlicht: (2026)

Evaluating Conversational Recommender Systems via Large Language Models: A User-Centric Framework
von: Chen, Nuo, et al.
Veröffentlicht: (2025)

BLADE: A Behavior-Level Data Augmentation Framework with Dual Fusion Modeling for Multi-Behavior Sequential Recommendation
von: Li, Yupeng, et al.
Veröffentlicht: (2025)

From Atom to Community: Structured and Evolving Agent Memory for User Behavior Modeling
von: Liao, Yuxin, et al.
Veröffentlicht: (2026)

DataRec: A Python Library for Standardized and Reproducible Data Management in Recommender Systems
von: Mancino, Alberto Carlo Maria, et al.
Veröffentlicht: (2024)

USD: A User-Intent-Driven Sampling and Dual-Debiasing Framework for Large-Scale Homepage Recommendations
von: Zheng, Jiaqi, et al.
Veröffentlicht: (2025)

Algorithmic Drift: A Simulation Framework to Study the Effects of Recommender Systems on User Preferences
von: Coppolillo, Erica, et al.
Veröffentlicht: (2024)

ODataX: A Progressive Evolution of the Open Data Protocol
von: Ganesh, Anirudh, et al.
Veröffentlicht: (2025)

Diversed Model Discovery via Structured Table Discovery
von: Dong, Zhengyuan, et al.
Veröffentlicht: (2026)