Federated against the cold: A trust-based federated learning approach to counter the cold start problem in recommendation systems

Article de revue (2022)

Document publié alors que les auteurs ou autrices n'étaient pas affiliés à Polytechnique Montréal

URL de PolyPublie:	https://publications.polymtl.ca/51426/
Titre de la revue:	Information Sciences (vol. 601)
Maison d'édition:	Science Direct
DOI:	10.1016/j.ins.2022.04.027
URL officielle:	https://doi.org/10.1016/j.ins.2022.04.027
Date du dépôt:	18 avr. 2023 14:58
Dernière modification:	05 avr. 2024 11:55

Citer en APA 7:	Abdul Wahab, O., Rjoub, G., Bentahar, J., & Cohen, R. (2022). Federated against the cold: A trust-based federated learning approach to counter the cold start problem in recommendation systems. Information Sciences, 601, 189-206. https://doi.org/10.1016/j.ins.2022.04.027

Dimensions

Afficher document