一种深度健忘求新电影推荐模型
信息检索
2019-09-05 v1 机器学习
机器学习
摘要
随着越来越多的人将观影转向线上,电影观看网站之间的竞争愈发激烈。因此,准确预测给定用户的观看列表以最大化将其留在平台上的机会变得极为重要。近期研究表明,用户的新颖性寻求倾向会影响其观看行为。在本文中,我们旨在由数据驱动,考虑用户的健忘性,跨多个用户与时间戳准确建模并刻画这一新颖性寻求特质。与以往研究相比,我们提出了一种更稳健的新颖性度量。我们的模型称为深度健忘求新模型(DFNSM),它利用关于用户的人口统计信息、关于电影的类型信息以及新颖性寻求特质来预测用户最可能的后续行为。为评估模型性能,我们在一个大型电影评分数据集上进行了大量实验。结果表明 DFNSM 对电影推荐非常有效。
引用
@article{arxiv.1909.01811,
title = {A Deep, Forgetful Novelty-Seeking Movie Recommender Model},
author = {Ruomu Zou},
journal= {arXiv preprint arXiv:1909.01811},
year = {2019}
}
备注
19 pages, 14 figures, submitted as a contest entry to the S.-T. Yau High School Science Award (Computer Award)