协同过滤邻域方法的图模型表述与快速最大熵训练
机器学习
2012-06-22 v1 信息检索
机器学习
摘要
用于协同过滤的项邻域方法学习项集上的加权图，其中每个项连接到与其最相似的项。用户对某项的评分预测由邻域项的评分给出，并按其相似度加权。本文提出了一种称为项场（item fields）的新邻域方法，即在项图上构建无向图模型。由此产生的预测规则是经典方法的简单推广，它考虑了图中的非局部信息，使其在使用远少于其他邻域方法的边数时仍能获得最佳结果。本文提出了一种基于 Bethe 近似的快速近似最大熵训练方法，该方法使用简单的梯度上升过程。在 Movielens 数据集上使用预计算的充分统计量时，我们的方法比最大似然方法快两个数量级。
引用
@article{arxiv.1206.4622,
title = {A Graphical Model Formulation of Collaborative Filtering Neighbourhood Methods with Fast Maximum Entropy Training},
author = {Aaron Defazio and Tiberio Caetano},
journal= {arXiv preprint arXiv:1206.4622},
year = {2012}
}
备注
ICML2012