Investigación y desarrollo de gravedad

Gravity R&D (nombre completo: Gravity Research & Development Zrt.) es un proveedor de TI especializado en sistemas de recomendación . Gravity fue fundada por miembros del equipo "Gravity" del Netflix Prize . Gravity tiene su sede en Hungría ( Budapest y Győr ) y una filial en Japón .

Historia

Premio Netflix

El premio Netflix fue una competición abierta para el mejor algoritmo de filtrado colaborativo capaz de predecir las calificaciones de los usuarios para las películas , basándose en calificaciones anteriores. El premio se otorgaría al equipo que lograra una mejora superior al 10 % con respecto al algoritmo Cinematch de Netflix .

El equipo "Gravity" fue el favorito durante enero-mayo de 2007. ^{[ 2 ]}

La posición de liderazgo se volvió a alcanzar en octubre de 2007 en colaboración con el equipo "Dinosaur Planet" bajo el nombre "When Gravity and Dinosaurs Unite".

En enero de 2009, los dos equipos fundaron el "Grand Prize Team" para iniciar una colaboración aún más amplia, lo que dio como resultado que se convirtieran en uno de los equipos líderes a lo largo de 2009.

El 25 de julio de 2009, el equipo "The Ensemble", una fusión de los equipos "Grand Prize Team" y "Opera Solutions and Vandelay United", logró una mejora del 10,10% sobre Cinematch en el conjunto de Quiz. ^{[ 3 ]}

El 18 de septiembre de 2009, Netflix anunció al equipo "BellKor's Pragmatic Chaos" como ganador del premio, y este se le entregó en una ceremonia el 21 de septiembre de 2009. ^{[ 4 ]} El equipo "The Ensemble" de hecho había logrado igualar el resultado del equipo ganador "BellKor", pero como "BellKor" envió sus resultados 20 minutos antes, las reglas les otorgaron el premio. ^{[ 5 ]}^{[ 6 ]}

Los detalles sobre los algoritmos desarrollados por el equipo de Gravity se pueden encontrar en sus publicaciones científicas. ^{[ 7 ]}^{[ 8 ]}^{[ 9 ]} Algunos algoritmos están patentados en los EE. UU. ^{[ 10 ]}

El equipo de minería de datos de la empresa realiza activamente investigaciones en el campo de los sistemas de recomendación y publica sus resultados recientes con regularidad. ^{[ 11 ]}^{[ 12 ]}^{[ 13 ]}^{[ 14 ]}^{[ 15 ]}^{[ 16 ]}^{[ 17 ]}^{[ 18 ]}

Sí

Siguiendo el modelo de P&G, Gravity separó el nombre de la empresa del nombre del producto en 2017. La empresa conservará el nombre de Gravity, mientras que la marca pasará a llamarse Yusp. Yusp es el nombre del motor de personalización de nueva generación. Bajo Yusp, Gravity desarrolla actualmente diferentes líneas de productos para clientes y potenciales clientes empresariales, de comercio electrónico, minoristas tradicionales, telecomunicaciones y banca minorista.

Referencias

↑ "Cómo califican los fondos de cobertura a los analistas de Wall Street, 2003" .
↑ Hafner, Katie (4 de junio de 2007). "El premio Netflix aún espera a un cinéfilo" . The New York Times . Consultado el 7 de marzo de 2010 .
↑ "El Conjunto" . 25 de julio de 2009.
↑ "Gran Premio otorgado al equipo BellKor's Pragmatic Chaos" . Foro de premios de Netflix. 21 de septiembre de 2009. Archivado del original el 7 de mayo de 2012. Consultado el 7 de mayo de 2012 .
↑ Steve Lohr (21 de septiembre de 2009). "Una ganga de investigación de 1 millón de dólares para Netflix, y tal vez un modelo para otros" . New York Times .
↑ «Mátrixfaktorizáció egymillió dollárért» . Índice. 2009-08-07.
↑ Takács, GB; Pilászy, IN; Németh, BN; Tikk, D. (2007). "Componentes principales del sistema de recomendación de gravedad". Boletín de ACM SIGKDD Explorations . 9 (2): 80. doi : 10.1145/1345448.1345466 . S2CID 4518283 .
↑ Gábor Takács; István Pilászy; Bottyán Németh; Domonkos Tikk (2007), "Sobre el sistema de recomendación por gravedad" (PDF) , en Gábor Takács; István Pilászy; Bottyán Németh y Domonkos Tikk (eds.), Proc. Taller de la Copa KDD en SIGKDD , San José, California, págs. 22 a 30 , consultado el 15 de abril de 2010 {{citation}}: CS1 mantenimiento: falta el editor de ubicación ( enlace )
↑ Gábor Takács; István Pilászy; Bottyán Németh; Domonkos Tikk (2009), Enfoques de filtrado colaborativo escalables para grandes sistemas de recomendación (PDF)
↑ Patente estadounidense 8676736 , Pilaszy et al. , "Sistemas y métodos de recomendación que utilizan un algoritmo de mínimos cuadrados alternos modificado", emitida el 18 de marzo de 2014.
↑ István Pilászy; Domonkos Tikk (2009), "Recomendar películas nuevas: incluso unas pocas calificaciones son más valiosas que los metadatos" , Actas de la tercera conferencia ACM sobre sistemas de recomendación , RecSys '09, pp. 93–100 , doi : 10.1145/1639714.1639731 , ISBN 978-1-60558-435-5, S2CID 17687390
↑ István Pilászy; Dávid Zibriczky; Domonkos Tikk (2010), "Fast ALS-based matrix factorization for explicit and implicit feedback datasets" , Actas de la cuarta conferencia ACM sobre sistemas de recomendación - Rec Sys '10 , RecSys '10, pp. 71–78 , doi : 10.1145/1864708.1864726 , ISBN 978-1-60558-906-0, S2CID 1816937
↑ Gábor Takács; István Pilászy; Domonkos Tikk (2011), "Aplicaciones del método del gradiente conjugado para el filtrado colaborativo de retroalimentación implícita" , Actas de la quinta conferencia ACM sobre sistemas de recomendación - Rec Sys '11 , RecSys '11, pp. 297–300 , doi : 10.1145/2043932.2043987 , ISBN 978-1-4503-0683-6, S2CID 3342766
↑ Balázs Hidasi; Domonkos Tikk (2012), "Fast ALS-Based Tensor Factorization for Context-Aware Recommendation from Implicit Feedback", Machine Learning and Knowledge Discovery in Databases , Lecture Notes in Computer Science, vol. 7524, pp. 67–82 , arXiv : 1204.1259 , doi : 10.1007/978-3-642-33486-3_5 , ISBN 978-3-642-33485-6, S2CID 9480129
↑ Gábor Takács; Domonkos Tikk (2012), "Mínimos cuadrados alternados para la clasificación personalizada" , Actas de la sexta conferencia ACM sobre sistemas de recomendación - Rec Sys '12 , RecSys '12, pp. 83–90 , doi : 10.1145/2365952.2365972 , ISBN 978-1-4503-1270-7, S2CID 3357762
↑ Balázs Hidasi; Domonkos Tikk (2013), "Recomendación de ítem a ítem sensible al contexto dentro del marco de factorización" , Actas del 3er Taller sobre Sensibilidad al Contexto en la Recuperación y Recomendación - CaRR '13 , pp. 19–25 , doi : 10.1145/2442670.2442675 , ISBN 978-1-4503-1847-1, S2CID 14906053
↑ Alan Said; Domonkos Tikk; Paolo Cremonesi (2014), "Benchmarking: A Methodology for Ensuring the Relative Quality of Recommendation Systems in Software Engineering", Recommendation Systems in Software Engineering , pp. 275–300 , doi : 10.1007/978-3-642-45135-5_11 , hdl : 11311/1006649 , ISBN 978-3-642-45134-8, S2CID 38607259
↑ Balázs Hidasi; Domonkos Tikk (2014), "Modelado aproximado de contexto continuo en algoritmos de factorización" , Actas del 4.º Taller sobre Conciencia del Contexto en Recuperación y Recomendación , pp. 3–9 , doi : 10.1145/2601301.2601303 , ISBN 9781450327237, S2CID 17842678

Enlaces externos

Sitio web oficial

47°29′38″N 19°07′21″E / 47.494013°N 19.122559°E / 47.494013; 19.122559

[1] "Cómo califican los fondos de cobertura a los analistas de Wall Street, 2003" .

[2] Hafner, Katie (4 de junio de 2007). "El premio Netflix aún espera a un cinéfilo" . The New York Times . Consultado el 7 de marzo de 2010 .

[3] "El Conjunto" . 25 de julio de 2009.

[4] "Gran Premio otorgado al equipo BellKor's Pragmatic Chaos" . Foro de premios de Netflix. 21 de septiembre de 2009. Archivado del original el 7 de mayo de 2012. Consultado el 7 de mayo de 2012 .

[nyt0922-5] Steve Lohr (21 de septiembre de 2009). "Una ganga de investigación de 1 millón de dólares para Netflix, y tal vez un modelo para otros" . New York Times .

[index20090807-6] «Mátrixfaktorizáció egymillió dollárért» . Índice. 2009-08-07.

[7] Takács, GB; Pilászy, IN; Németh, BN; Tikk, D. (2007). "Componentes principales del sistema de recomendación de gravedad". Boletín de ACM SIGKDD Explorations . 9 (2): 80. doi : 10.1145/1345448.1345466 . S2CID 4518283 .

[8] Gábor Takács; István Pilászy; Bottyán Németh; Domonkos Tikk (2007), "Sobre el sistema de recomendación por gravedad" (PDF) , en Gábor Takács; István Pilászy; Bottyán Németh y Domonkos Tikk (eds.), Proc. Taller de la Copa KDD en SIGKDD , San José, California, págs. 22 a 30 , consultado el 15 de abril de 2010 {{citation}}: CS1 mantenimiento: falta el editor de ubicación ( enlace )

[9] Gábor Takács; István Pilászy; Bottyán Németh; Domonkos Tikk (2009), Enfoques de filtrado colaborativo escalables para grandes sistemas de recomendación (PDF)

[patent-10] Patente estadounidense 8676736 , Pilaszy et al. , "Sistemas y métodos de recomendación que utilizan un algoritmo de mínimos cuadrados alternos modificado", emitida el 18 de marzo de 2014.

[11] István Pilászy; Domonkos Tikk (2009), "Recomendar películas nuevas: incluso unas pocas calificaciones son más valiosas que los metadatos" , Actas de la tercera conferencia ACM sobre sistemas de recomendación , RecSys '09, pp. 93–100 , doi : 10.1145/1639714.1639731 , ISBN 978-1-60558-435-5, S2CID 17687390

[12] István Pilászy; Dávid Zibriczky; Domonkos Tikk (2010), "Fast ALS-based matrix factorization for explicit and implicit feedback datasets" , Actas de la cuarta conferencia ACM sobre sistemas de recomendación - Rec Sys '10 , RecSys '10, pp. 71–78 , doi : 10.1145/1864708.1864726 , ISBN 978-1-60558-906-0, S2CID 1816937

[13] Gábor Takács; István Pilászy; Domonkos Tikk (2011), "Aplicaciones del método del gradiente conjugado para el filtrado colaborativo de retroalimentación implícita" , Actas de la quinta conferencia ACM sobre sistemas de recomendación - Rec Sys '11 , RecSys '11, pp. 297–300 , doi : 10.1145/2043932.2043987 , ISBN 978-1-4503-0683-6, S2CID 3342766

[14] Balázs Hidasi; Domonkos Tikk (2012), "Fast ALS-Based Tensor Factorization for Context-Aware Recommendation from Implicit Feedback", Machine Learning and Knowledge Discovery in Databases , Lecture Notes in Computer Science, vol. 7524, pp. 67–82 , arXiv : 1204.1259 , doi : 10.1007/978-3-642-33486-3_5 , ISBN 978-3-642-33485-6, S2CID 9480129

[15] Gábor Takács; Domonkos Tikk (2012), "Mínimos cuadrados alternados para la clasificación personalizada" , Actas de la sexta conferencia ACM sobre sistemas de recomendación - Rec Sys '12 , RecSys '12, pp. 83–90 , doi : 10.1145/2365952.2365972 , ISBN 978-1-4503-1270-7, S2CID 3357762

[16] Balázs Hidasi; Domonkos Tikk (2013), "Recomendación de ítem a ítem sensible al contexto dentro del marco de factorización" , Actas del 3er Taller sobre Sensibilidad al Contexto en la Recuperación y Recomendación - CaRR '13 , pp. 19–25 , doi : 10.1145/2442670.2442675 , ISBN 978-1-4503-1847-1, S2CID 14906053

[17] Alan Said; Domonkos Tikk; Paolo Cremonesi (2014), "Benchmarking: A Methodology for Ensuring the Relative Quality of Recommendation Systems in Software Engineering", Recommendation Systems in Software Engineering , pp. 275–300 , doi : 10.1007/978-3-642-45135-5_11 , hdl : 11311/1006649 , ISBN 978-3-642-45134-8, S2CID 38607259

[18] Balázs Hidasi; Domonkos Tikk (2014), "Modelado aproximado de contexto continuo en algoritmos de factorización" , Actas del 4.º Taller sobre Conciencia del Contexto en Recuperación y Recomendación , pp. 3–9 , doi : 10.1145/2601301.2601303 , ISBN 9781450327237, S2CID 17842678

[ 2 ]

[ 3 ]

[ 4 ]

[ 5 ]

[ 6 ]

[ 7 ]

[ 8 ]

[ 9 ]

[ 10 ]

[ 11 ]

[ 12 ]

[ 13 ]

[ 14 ]

[ 15 ]

[ 16 ]

[ 17 ]

[ 18 ]