English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Le filtrage collaboratif est l'une des approches les plus populaires des systemes de recommandation. En filtrage collaboratif, le systeme cherche a estimer les preferences de l'utilisateur actif en exploitant les preferences (les notes) des utilisateurs similaires a cet utilisateur actif : ses voisins. Le filtrage collaboratif fait face au probleme de latence : il ne peut recommander un nouvel item a des utilisateurs tant que cet item n'a pas ete note un nombre suffisant de fois. Pour diminuer ce probleme de latence, nous proposons une approche a base de mentors s'inspirant des sondages d'opinion. Un mentor est un utilisateur fiable et representatif, sur qui l'on peut compter. La connaissance des notes (opinions) des mentors sur les nouveaux items permet d'estimer les notes de la population entiere. Nous montrons que, sur le corpus que nous avons utilise, certaines methodes de selection des mentors requierent les notes de seulement 6 mentors pour estimer les notes de la population entiere, avec une erreur faible. Ainsi, lorsqu'un nouvel item est integre dans le systeme, seules 6 notes sont requises pour faire des recommandations de bonne qualite a l'ensemble de la population.

Inspiration des sondages d'opinion pour réduire la latence en filtrage collaboratif