Boratto / Malitesta / Purificato | Advances on Graph-Based Approaches in Information Retrieval | Buch | 978-3-031-71381-1 | sack.de

Buch, Englisch, Band 2197, 89 Seiten, Format (B × H): 155 mm x 235 mm, Gewicht: 166 g

Reihe: Communications in Computer and Information Science

Boratto / Malitesta / Purificato

Advances on Graph-Based Approaches in Information Retrieval

First International Workshop, IRonGraphs 2024, Glasgow, UK, March 24, 2024, Proceedings
2025
ISBN: 978-3-031-71381-1
Verlag: Springer Nature Switzerland

First International Workshop, IRonGraphs 2024, Glasgow, UK, March 24, 2024, Proceedings

Buch, Englisch, Band 2197, 89 Seiten, Format (B × H): 155 mm x 235 mm, Gewicht: 166 g

Reihe: Communications in Computer and Information Science

ISBN: 978-3-031-71381-1
Verlag: Springer Nature Switzerland

This book constitutes the refereed proceedings of the First International Workshop on Graph-Based Approaches in Information Retrieval, IRonGraphs 2024, held in Glasgow, UK, on March 24, 2024.

The 6 full papers included in this book were carefully reviewed and selected from 14 submissions. They focus on diverse novel contributions, with presentations on knowledge-aware graph-based recommender systems using user-based semantic features filtering, source-target node distance impacts on adversarial attacks in social network recommendations.

Boratto / Malitesta / Purificato Advances on Graph-Based Approaches in Information Retrieval jetzt bestellen!

Zielgruppe

Research

Autoren/Hrsg.

Boratto, Ludovico
Malitesta, Daniele
Purificato, Erasmo
Marras, Mirko
Medda, Giacomo
Musto, Cataldo

Fachgebiete

Weitere Infos & Material

.-Soccer-GraphRAG: Applications of GraphRAG in Soccer.
.- Enhanced Semantic Understanding with Graph-based Information Retrieval.
.- Identifying Shopping Intent in Product QA for Proactive Recommendations.
.- KGUF: Simple Knowledge-aware Graph-based Recommender with User-based Semantic Features Filtering.
.- The Effectiveness of Graph Contrastive Learning on Mathematical Information Retrieval.
.- The Impact of Source-Target Node Distance on Vicious Adversarial Attacks in Social Network Recommendation Systems.

Ihre Fragen, Wünsche oder Anmerkungen
Vorname*
Nachname*
Ihre E-Mail-Adresse*
Kundennr.
Ihre Nachricht*
Lediglich mit * gekennzeichnete Felder sind Pflichtfelder.
Wenn Sie die im Kontaktformular eingegebenen Daten durch Klick auf den nachfolgenden Button übersenden, erklären Sie sich damit einverstanden, dass wir Ihr Angaben für die Beantwortung Ihrer Anfrage verwenden. Selbstverständlich werden Ihre Daten vertraulich behandelt und nicht an Dritte weitergegeben. Sie können der Verwendung Ihrer Daten jederzeit widersprechen. Das Datenhandling bei Sack Fachmedien erklären wir Ihnen in unserer Datenschutzerklärung.