Asian Journal of Multidimensional Research (ajmr)

REFERENCES:

 

1.

 

Asikis,  T.,  &  Lekakos,  G.  (2014).  LNCS  8522  -  Operations  Research  and  Recommender 

Systems. In 

LNCS

 (Vol. 8522). 

2.

 

Belo, R., Ferreira, P., Godinho de Matos, M., & Reis, F. (2019). The Impact of Time Shifting 

on 

TV 

Consumption 

and 

Ad 

Viewership. 

Management 

Science

, 

65

. 

https://doi.org/10.1287/mnsc.2018.3084 

3.

 

Chen,  L.-S.,  Hsu,  F.-H.,  Chen,  M.-C.,  &  Hsu,  Y.-C.  (2008).  Developing  recommender 

systems  with  the  consideration  of  product  profitability  for  sellers. 

Information  Sciences

, 

178

(4), 1032–1048. https://doi.org/https://doi.org/10.1016/j.ins.2007.09.027 

4.

 

Chong,  D.  (2020,  April  30). 

Deep  Dive  into  Netflix's  Recommender  System

. 

Https://Towardsdatascience.Com/. 

https://towardsdatascience.com/deep-dive-into-netflixs-

recommender-system-341806ae3b48 

5.

 

"How  Do  Recommendation  Engines  Work?  What  are  the  Benefits?"

  (2021,  August  16). 

Marutitech.Com. https://marutitech.com/recommendation-engine-benefits/