Rezultati

eNauka >  Rezultati >  Choosing the Best of Both Worlds: Diverse and Novel Recommendations through Multi-Objective Reinforcement Learning
Naziv: Choosing the Best of Both Worlds: Diverse and Novel Recommendations through Multi-Objective Reinforcement Learning
Autori: Stamenkovic, Dusan; Karatzoglou, Alexandros; Arapakis, Ioannis; Xin, Xin; Katevas, Kleomenis
Godina: 2022
Publikacija: WSDM'22: PROCEEDINGS OF THE FIFTEENTH ACM INTERNATIONAL CONFERENCE ON WEB SEARCH AND DATA MINING
Tip rezultata: Konferencijski rad
Kolacija: str. 957-965
DOI: 10.1145/3488560.3498471
WoS-ID: 000810504300102
Scopus-ID: 2-s2.0-85125779242
URI: https://enauka.gov.rs/handle/123456789/800878
Projekat: Natural Science Foundation of China [62072279]
National Key R&D Program of China [2020YFB1406704]
Fundamental Research Funds of Shandong University
Izvor metapodataka: (Preuzeto iz Nasi u WoS)
M-kategorija: 
Mp kategorija će biti prikazana naknadno.

47
SCOPUSTM
3
OpenCitations
37
WEB OF SCIENCETM
Alt metrika
Dimensions
Unpaywall

Google ScholarTM

Rezultati na eNauka su zaštićeni autorskim pravima i sva prava su zadržana, osim ako nije drugačije naznačeno.