Collaborative personal profiling for web service ranking and recommendation

Web service is one of the most fundamental technologies in implementing service oriented architecture (SOA) based applications. One essential challenge related to web service is to find suitable candidates with regard to web service consumer’s requests, which is normally called web service discovery. During a web service discovery protocol, it is expected that the consumer will find it hard to distinguish which ones are more suitable in the retrieval set, thereby making selection of web services a critical task. In this paper, inspired by the idea that the service composition pattern is significant hint for service selection, a personal profiling mechanism is proposed to improve ranking and recommendation performance. Since service selection is highly dependent on the composition process, personal knowledge is accumulated from previous service composition process and shared via collaborative filtering where a set of users with similar interest will be firstly identified. Afterwards a web service re-ranking mechanism is employed for personalised recommendation. Experimental studies are conduced and analysed to demonstrate the promising potential of this research.

An ontological approach to personalized medical knowledge recommendation

Knowledge recommendation has become a promising method in supporting the clinicians decisions and improving the quality of medical services in the constantly changing clinical environment. However, current medical knowledge management systems cannot understand users requirements accurately and realize personalized recommendation. Therefore this paper proposes an ontological approach based on semiotic principles to personalized medical knowledge recommendations. In particular, healthcare domain knowledge is conceptualized and an ontology-based user profile is built. Furthermore, the personalized recommendation mechanism is illustrated.

Multi-attribute collaborative filtering recommendation based on improved group decision-making

Currently researchers in the field of personalized recommendations bear little consideration on users' interest differences in resource attributes although resource attribute is usually one of the most important factors in determining user preferences. To solve this problem, the paper builds an evaluation model of user interest based on resource multi-attributes, proposes a modified Pearson-Compatibility multi-attribute group decision-making algorithm, and introduces an algorithm to solve the recommendation problem of k-neighbor similar users. Considering the characteristics of collaborative filtering recommendation, the paper addresses the issues on the preference differences of similar users, incomplete values, and advanced converge of the algorithm. Thus the paper realizes multi-attribute collaborative filtering. Finally, the effectiveness of the algorithm is proved by an experiment of collaborative recommendation among multi-users based on virtual environment. The experimental results show that the algorithm has a high accuracy on predicting target users' attribute preferences and has a strong anti-interference ability on deviation and incomplete values.

Feasibility analysis for biofuel production and investment recommendation

A FGV Projetos posiciona-se com destaque no desenvolvimento de projetos e estudos sobre biocombustíveis. Especialistas no assunto apontam para a viabilidade da produção de biocombustíveis em diversos países, e recomendam investimentos em toda a cadeia produtiva, específicos para cada localidade. Isso permitirá aos países que desejam reduzir a dependência por combustíveis fósseis, tais como o petróleo, a diversificação da matriz energética, o aumento do emprego no campo, e uma melhora do saldo comercial. Este documento apresenta síntese dos trabalhos realizados e em desenvolvimento, e tem como base os estudos de viabilidade para a produção de biocombustíveis de El Salvador e da República Dominicana.

Establishing Standards for the Integrated Recommendation and Diagnosis System (DRIS) for Irrigated Bean Crops

This article addresses the establishment of integrated diagnostics and recommendation system (DRIS) standards for irrigated bean crops (Phaseolus vulgaris) and compares leaf concentrations and productivity in low- and high-productivity populations. The work was carried out in Santa Fe de Goias, Goias State, Brazil, in the agricultural years 1999/2000 and 2000/2001. For the nutritional diagnosis, leaf samples were collected, and leaf concentrations of nitrogen (N), phosphorus (P), potassium (K), calcium (Ca), magnesium (Mg), sulfur (S), boron (B), copper (Cu), iron (Fe), manganese (Mn), and zinc (Zn) were established in 100 commercial bean crops. A database was set up listing the leaf nutrient content and the respective productivities, subdivided into two subpopulations, high and low productivity, using a bean yield value of 3000 kg ha-1 to separate these subpopulations. Sufficiency values found in the high-productivity population matched only for the micronutrients B and Zn. The nutritional balance among the populations studied was coherent and was lower in the high-productivity population. The DRIS standards proposed for irrigated bean farming were efficient in evaluating the nutritional status of the crop areas studied. Calcium, Cu, and S were found to be the least available nutrients, indicating high response potential for the fertilizing using these nutrients.

Nota de la Secretaría sobre la recomendación de la Asamblea General para modificar el nombre de la Comisión = Note by the Secretariat on the General Assembly's recommendation regarding the renaming of the Commission

Incluye Bibliografía

Progreso técnico y desarrollo socioeconómico en América Latina: análisis general y recomendaciones para una política tecnológica = Technical progress and socio-economic development in Latin America: general analysis and recommendation for a technological policy

Incluye Bibliografía

Selection and Use Recommendation in Hybrids of Ornamental Banana

The ornamental market is dynamic and demands constant novelties. The use of fruit crops as ornamental plants can be an interesting alternative with very differentiated and original products. The banana germplasm bank at Embrapa Cassava and Fruits has been primarily used in the breeding program for generating new cultivars as food. To diversify and expand the use of this collection, accessions with ornamental potential have been selected to obtain new hybrids. This work was aimed at characterizing the progeny of ornamental Musa L. spp. by grouping the hybrids according to the following uses: landscape plants, potted plants, cut flower, or minifruits. Forty-two hybrids were evaluated with 14 quantitative and 12 qualitative descriptors in three production cycles. In addition, assays for resistance to black and yellow Sigatoka and to Fusarium wilt were performed. Variability was observed for all the characteristics evaluated within progenies, especially with regard to leaf color, fruit, peduncle, rachis, and heart. All evaluated hybrids were resistant to yellow Sigatoka and to Fusarium wilt and were resistant or showed reduced symptoms of susceptibility to black Sigatoka. Most hybrids (82%) presented reduced plant height. After clustering by use category, the hybrids RM 09, RM 38, RM 37, and RM 33 were selected and recommended to be used as cut flowers, minifruits, or landscaping plants.

Big data, nosql e machine learning: un'applicazione di prediction e recommendation basata sulle api di Amazon

In questa tesi sono stati introdotti e studiati i Big Data, dando particolare importanza al mondo NoSQL, approfondendo MongoDB, e al mondo del Machine Learning, approfondendo PredictionIO. Successivamente è stata sviluppata un'applicazione attraverso l'utilizzo di tecnologie web, nodejs, node-webkit e le tecnologie approfondite prima. L'applicazione utilizza l'interpolazione polinomiale per predirre il prezzo di un bene salvato nello storico presente su MongoDB. Attraverso PredictionIO, essa analizza il comportamento degli altri utenti consigliando dei prodotti per l'acquisto. Infine è stata effetuata un'analisi dei risultati dell'errore prodotto dall'interpolazione.

Analisi dei comportamenti degli utenti per lo sviluppo di un sistema di App Recommendation

Negli ultimi cinque anni lo sviluppo di applicazioni mobile ha visto un grandissimo incremento dovuto pricipalmente all’esplosione della diffusione di smartphone; questo fenomeno ha reso disponibile agli analisti una enorme quantità di dati sulle abitudini degli utenti. L’approccio centralizzato nella distribuzione delle applicazioni da parte dei grandi provider quali Apple, Google e Microsoft ha permesso a migliaia di sviluppatori di tutto il mondo di raggiungere con i loro prodotti gli utenti finali e diffondere l’utilizzo di applicativi installabili; le app infatti sono diventate in poco tempo fondamentali nella vita di tutti i giorni e in alcuni casi hanno sostituito funzioni primarie del telefono cellulare. Obiettivo principale di questo studio sarà inferire pattern comportamentali dall’analisi di una grossa mole di dati riguardanti l’utilizzo dello smartphone e delle app installabili da parte di un gruppo di utenti. Ipotizzando di avere a disposizione tutte le azioni che un determinato bacino di utenza effettua nella selezione delle applicazioni di loro interesse quando accedono al marketplace (luogo digitale da cui è possibile scaricare nuove applicazioni ed installarle) è possibile stimare, ovviamente con un certo margine di errore, dati sensibili dell’utente quali: Sesso, Età, Interessi e così via analizzandoli in relazione ad un modello costruito su dati di un campione di utenti ben noto. Costruiremo così un modello utilizzando dati di utenti ben noti di cui conosciamo i dettagli sensibili e poi, tramite avanzate tecniche di regressione e classificazione saremo in grado di definire se esiste o meno una correlazione tra le azioni effettuate su uno Smartphone e il profilo dell’utente. La seconda parte della tesi sarà incentrata sull'analisi di sistemi di raccomandazioni attualmente operativi e ci concentreremo sullo studio di possibili sviluppi sviluppi futuri di questi sistemi partendo dai risultati sperimentali ottenuti.

Progettazione ed implementazione di un recommendation system di articoli scientifici basato su Apache Mahout

Il focus di questo elaborato è sui sistemi di recommendations e le relative caratteristiche. L'utilizzo di questi meccanism è sempre più forte e presente nel mondo del web, con un parallelo sviluppo di soluzioni sempre più accurate ed efficienti. Tra tutti gli approcci esistenti, si è deciso di prendere in esame quello affrontato in Apache Mahout. Questa libreria open source implementa il collaborative-filtering, basando il processo di recommendation sulle preferenze espresse dagli utenti riguardo ifferenti oggetti. Grazie ad Apache Mahout e ai principi base delle varie tipologie di recommendationè stato possibile realizzare un applicativo web che permette di produrre delle recommendations nell'ambito delle pubblicazioni scientifiche, selezionando quegli articoli che hanno un maggiore similarità con quelli pubblicati dall'utente corrente. La realizzazione di questo progetto ha portato alla definizione di un sistema ibrido. Infatti l'approccio alla recommendation di Apache Mahout non è completamente adattabile a questa situazione, per questo motivo le sue componenti sono state estese e modellate per il caso di studio. Siè cercato quindi di combinare il collaborative filtering e il content-based in un unico approccio. Di Apache Mahout si è mantenuto l'algoritmo attraverso il quale esaminare i dati del data set, tralasciando completamente l'aspetto legato alle preferenze degli utenti, poichè essi non esprimono delle valutazioni sugli articoli. Del content-based si è utilizzata l'idea del confronto tra i titoli delle pubblicazioni. La valutazione di questo applicativo ha portato alla luce diversi limiti, ma anche possibili sviluppi futuri che potrebbero migliorare la qualità delle recommendations, ma soprattuto le prestazioni. Grazie per esempio ad Apache Hadoop sarebbe possibile una computazione distribuita che permetterebbe di elaborare migliaia di dati con dei risultati più che discreti.

Clinical recommendation on fertility preservation in borderline ovarian neoplasm: ovarian stimulation and oocyte retrieval after conservative surgery

To evaluate safety and fertility outcome after assisted conception in patients who were treated conservatively for a borderline ovarian tumor (BOT).