0000000000211744

AUTHOR

Pentti Koskela

showing 3 related works from this author

Prospective seroepidemiologic study of human papillomavirus infection as a risk factor for invasive cervical cancer

1997

Background: Major risk factors for invasive cervical cancer include infection with human papillomavirus (HPV), infection with other sexually transmitted pathogens (e.g., Chlamydia trachomatis), and smoking. Since exposures to these risk factors can be related, the contribution of any single factor to cervical carcinogenesis has been difficult to assess. We conducted a prospective study to define the role of HPV infection in cervical carcinogenesis, with invasive cancer as an end point. Methods: A nested case‐control study within a joint cohort of 700 000 Nordic subjects was performed. The 182 women who developed invasive cervical cancer during a mean follow-up of 5 years were matched with 5…

AdultRiskCancer Researchmedicine.medical_specialtyRadioimmunoassaySexually Transmitted DiseasesUterine Cervical NeoplasmsAdenocarcinomamedicine.disease_causeSerology03 medical and health sciences0302 clinical medicineRisk FactorsSeroepidemiologic StudiesInternal medicinePrevalencemedicineHumansNeoplasm InvasivenessProspective Studies030212 general & internal medicinePapillomaviridaeRisk factorPapillomaviridaeGynecologyCervical cancerbiologybusiness.industryIncidencePapillomavirus InfectionsHPV infectionCancerMiddle Agedbiology.organism_classificationmedicine.disease3. Good healthTumor Virus InfectionsOncologyCase-Control Studies030220 oncology & carcinogenesisRelative riskCarcinoma Squamous CellFemalebusinessChlamydia trachomatis
researchProduct

Datan analysointi verkkokauppojen suosittelujärjestelmissä big datan konteks-tissa

2015

Tämä tutkielma keskittyy suosittelujärjestelmien yleiseen toimintaperiaattee-seen ja niiden tarjoamiin hyötyihin. Suosittelujärjestelmien toiminta täyttää Big datalle ominaiset piirteet, mistä syystä asiaa lähestytään Big datan analysointi-na. Tarkoituksena on antaa lukijalle yleiskuva suosittelujärjestelmistä, niiden toimintaperiaatteesta ja käyttötarkoituksesta. Tutkielmassa käsitellään suositte-lujärjestelmistä yhteisöllistä, yhteistoimintapohjaista, demografista ja tietä-myspohjaista suodatusta sekä hybridejä variaatioita. Lisäksi kerrotaan suositte-lujärjestelmien tarjoamista hyödyistä nimenomaan palveluntarjoajan näkökul-masta. Tutkielma on toteutettu kirjallisuuskatsauksena. Lähdeain…

verkkoliiketoimintapitkä häntäbig datasuosittelujärjestelmätyhteisöllinen suodatussisältöpohjainen suodatus
researchProduct

Comparing ranking-based collaborative filtering algorithms to a rating-based alternative in recommender systems context

2017

Suuri sisältövalikoima eri internet palveluissa, kuten verkkokaupoissa, voi aiheuttaa liian suurta informaatiomäärää, mikä heikentää asiakaskokemusta. Suosittelujärjestelmät ovat teknologioita, jotka tukevat asiakkaan päätöksentekoa tarjoamalla ennustettuja suosituksia. On yleistä, että asiakkaalle näytetään lista tuotteista, joista asiakas voisi pitää, esimerkiksi top-10 lista elokuvista. Perinteisesti nämä listat ovat tuotettu käyttäen perinteistä arvosanapohjaista menetelmää, missä tuntemattomille tuotteille ennustetaan arvosana ja järjestetty lista muodostetaan arvosanojen perusteella. Sijoitusperusteinen lähestyminen laskee käyttäjien väliset samankaltaisuudet ja ennustaa järjestetyn l…

arvosanaperusteinen yhteisöllinen suodatussijoitusperusteinen yhteisöllinen suodatussuosittelujärjestelmätrecommender systemssuodatusranking-oriented collaborative filteringrating-oriented collaborative filtering
researchProduct