Artigo em revista científica Q1
Semantic similarity for mobile application recommendation under scarce user data
João Coelho (Coelho, J.); Diogo Mano (Mano, D.); Beatriz Paula (Paula, B.); Carlos Coutinho (Coutinho, C.); João Pedro Oliveira (Oliveira, J.); Ricardo Ribeiro (Ribeiro, R.); Fernando Batista (Batista, F.); et al.
Título Revista
Engineering Applications of Artificial Intelligence
Ano (publicação definitiva)
2023
Língua
Inglês
País
Países Baixos (Holanda)
Mais Informação
Web of Science®

N.º de citações: 4

(Última verificação: 2024-11-04 18:20)

Ver o registo na Web of Science®


: 0.5
Scopus

N.º de citações: 4

(Última verificação: 2024-10-31 09:18)

Ver o registo na Scopus


: 0.4
Google Scholar

N.º de citações: 5

(Última verificação: 2024-11-02 10:24)

Ver o registo no Google Scholar

Abstract/Resumo
The More Like This recommendation approach is ubiquitous in multiple domains and consists in recommending items similar to the one currently selected by the user, being particularly relevant when user data is scarce. We studied the impact of using semantic similarity in the context of the More Like This recommendation for mobile applications, by leveraging dense representations in order to infer the similarity between applications, based on their textual fields. Our approach was validated by comparing it to the solution currently in use by Aptoide, a mobile application store, since no benchmarks are available for this specific task. To further evaluate the proposed model, we asked 1262 users to compare the results achieved by both approaches, also allowing us to build an annotated dataset of similar applications. Results show that the semantic representations are able to capture the context of the applications, with more useful recommendations being presented to users, when compared to Aptoide’s current solution. For replication and future research, all the code and data used in this study was made publicly available, including two novel datasets (installed applications for more than one million users, and app user-labeled similarity), the fine-tuned model, and the test platform.
Agradecimentos/Acknowledgements
This work was supported by PT2020 project number 39703 (AppRecommender) and by national funds through FCT – Fundação para a Ciência e a Tecnologia, Portugal with reference UIDB/50021/2020.
Palavras-chave
Recommendation systems,More like this recommendation,Semantic similarity,Mobile applications,Transformers
  • Ciências da Computação e da Informação - Ciências Naturais
  • Engenharia Eletrotécnica, Eletrónica e Informática - Engenharia e Tecnologia
  • Economia e Gestão - Ciências Sociais
  • Línguas e Literaturas - Humanidades
Registos de financiamentos
Referência de financiamento Entidade Financiadora
39703 Comissão Europeia
UIDB/50021/2020 Fundação para a Ciência e a Tecnologia
Projetos Relacionados

Esta publicação é um output do(s) seguinte(s) projeto(s):

Com o objetivo de aumentar a investigação direcionada para o cumprimento dos Objetivos do Desenvolvimento Sustentável para 2030 das Nações Unidas, é disponibilizada no Ciência-IUL a possibilidade de associação, quando aplicável, dos artigos científicos aos Objetivos do Desenvolvimento Sustentável. Estes são os Objetivos do Desenvolvimento Sustentável identificados pelo(s) autor(es) para esta publicação. Para uma informação detalhada dos Objetivos do Desenvolvimento Sustentável, clique aqui.