用于物品推荐的混合潜变量神经网络模型
机器学习
2014-06-10 v1 信息检索
神经与进化计算
机器学习
摘要
协同过滤用于向用户推荐物品，无需了解物品本身，且往往优于其他技术。然而，协同过滤存在冷启动问题，即当物品尚未被评分或用户未对任何物品评分时出现。将额外信息（如物品或用户描述）纳入协同过滤可以解决冷启动问题。在本文中，我们提出了一种具有潜输入变量的神经网络模型（潜变量神经网络或LNN），作为一种混合协同过滤技术，用于解决冷启动问题。LNN在保持最先进协同过滤技术准确性的同时，优于广泛选择的内容基过滤器（基于物品描述进行推荐）和其他混合方法。
引用
@article{arxiv.1406.2235,
title = {A Hybrid Latent Variable Neural Network Model for Item Recommendation},
author = {Michael R. Smith and Tony Martinez and Michael Gashler},
journal= {arXiv preprint arXiv:1406.2235},
year = {2014}
}
备注
10 pages, 3 tables. arXiv admin note: text overlap with arXiv:1312.5394