C:/Documents and Settings/Administrator/My Documents/Research/cf-eml2010. dvi

Uncertainty in Artificial Intelligence (UAI), 1999.
[16] Rong Jin and Luo Si. A bayesian approach toward active learning for collab-
orative filtering. In UAI ’04: Proceedings of the 20th conference on Uncer-
tainty in artificial intelligence, pages 278–285, Arlington, Virginia, United
States, 2004. AUAI Press.
[17] Shyong K. Lam and John Riedl. Shilling recommender systems for fun and
profit. In WWW ’04: Proceedings of the 13th international conference on
World Wide Web, pages 393–402, New York, NY, USA, 2004. ACM.
[18] Ken Lang. NewsWeeder: Learning to filter netnews. In Proceedings of the
Twelfth International Conference on Machine Learning (ICML-95), pages
331–339, San Francisco, CA, 1995.
[19] D.D. Lee and H.S. Seung. Learning the parts of objects by non-negative
matrix factorization. In Nature, 401 (788), 1999.
[20] Greg Linden, Brent Smith, and Jeremy York.
Amazon.com recommen-
dations: Item-to-item collaborative filtering.
IEEE Internet Computing,
7(1):76–80, 2003.
[21] Prem Melville, Raymond J. Mooney, and Ramadass Nagarajan. Content-
boosted collaborative filtering for improved recommendations. In Proceed-
ings of the Eighteenth National Conference on Artificial Intelligence (AAAI-
02), pages 187–192, Edmonton, Alberta, 2002.
16

---

[22] Raymond J. Mooney and Loriene Roy. Content-based book recommending
using learning for text categorization. In Proceedings of the Fifth ACM Con-
ference on Digital Libraries, pages 195–204, San Antonio, TX, June 2000.
[23] Atsuyoshi Nakamura and Naoki Abe. Collaborative filtering using weighted
majority prediction algorithms. In ICML ’98: Proceedings of the Fifteenth
International Conference on Machine Learning, pages 395–403, San Fran-
cisco, CA, USA, 1998. Morgan Kaufmann Publishers Inc.
[24] Rong Pan and Martin Scholz. Mind the gaps: Weighting the unknown in
large-scale one-class collaborative filtering. In 15th ACM SIGKDD Confer-
ence on Knowledge Discovery and Data Mining (KDD), 2009.
[25] Michael J. Pazzani. A framework for collaborative, content-based and de-
mographic filtering. Artificial Intelligence Review, 13(5-6):393–408, 1999.
[26] Michael J. Pazzani and Daniel Billsus. Learning and revising user profiles:
The identification of interesting web sites. Machine Learning, 27(3):313–
331, 1997.
[27] Alexandrin Popescul, Lyle Ungar, David M. Pennock, and Steve Lawrence.
Probabilistic models for unified collaborative and content-based recommen-
dation in sparse-data environments. In Proceedings of the Seventeenth Con-
ference on Uncertainity in Artificial Intelligence, 2001.
[28] Jason Rennie and Nathan Srebro. Fast maximum margin matrix factoriza-
tion for collaborative prediction. In International Conference on Machine
Learning, 2005.
[29] P. Resnick, I. Neophytos, P. Bergstrom S. Mitesh, and J. Riedl. Grouplens:
An open architecture for collaborative filtering of netnews. In CSCW94
- Conference on Computer Supported Cooperative Work, pages 175–186.
Chapel Hill, Addison-Wesley, 1994.
[30] Paul Resnick, Neophytos Iacovou, Mitesh Sushak, Peter Bergstrom, and
John Reidl. GroupLens: An open architecture for collaborative filtering of
netnews. In Proceedings of the 1994 Computer Supported Cooperative Work
Conference, New York, 1994. ACM.
17

---

[31] Badrul Sarwar, George Karypis, Joseph Konstan, and John Reidl. Item-based
collaborative filtering recommendation algorithms. In WWW ’01: Proceed-
ings of the 10th international conference on World Wide Web, pages 285–
295, New York, NY, USA, 2001. ACM.
[32] Andrew I. Schein, Alexandrin Popescul, Lyle H. Ungar, and David M. Pen-
nock. Methods and metrics for cold-start recommendations. In SIGIR ’02:
Proceedings of the 25th annual international ACM SIGIR conference on Re-
search and development in information retrieval, pages 253–260, New York,
NY, USA, 2002. ACM.
[33] I. Soboroff and C. Nicholas. Combining content and collaboration in text fil-
tering. In Thorsten Joachims, editor, Proceedings of the IJCAI’99 Workshop
on Machine Learning in Information Filtering, pages 86–91, 1999.
[34] N. Srebro and T. Jaakkola. Weighted low-rank approximations. In Interna-
tional Conference on Machine Learning (ICDM), 2003.
[35] Xiaoyuan Su, Russell Greiner, Taghi M. Khoshgoftaar, and Xingquan Zhu.
Hybrid collaborative filtering algorithms using a mixture of experts. In Web
Intelligence, pages 645–649, 2007.
[36] Xiaoyuan Su and Taghi M. Khoshgoftaar. A survey of collaborative filtering
techniques. Advances in Artificial Intelligence, 2009:1–20, 2009.
[37] Xiaoyuan Su, Taghi M. Khoshgoftaar, Xingquan Zhu, and Russell Greiner.
Imputation-boosted collaborative filtering using machine learning classi-
fiers. In SAC ’08: Proceedings of the 2008 ACM symposium on Applied
computing, pages 949–950, New York, NY, USA, 2008. ACM.
[38] Robert Bell Yehuda Koren and Chris Volinsky. Matrix factorization tech-
niques for recommender systems. In IEEE Computer, volume 42 (8), pages
30–37, 2009.
18

---