一种结合社会信息的基于随机游走推荐模型
信息检索
2013-05-21 v2 机器学习
摘要
协同过滤 (CF) 是构建推荐系统最流行的方法之一。在本文中，我们提出了一种基于马尔可夫随机游走的混合协同过滤模型，以解决推荐系统中的数据稀疏性和冷启动问题。更具体地说，我们构建了一个有向图，其节点由物品和用户组成，并包含物品内容、用户画像和社会网络信息。我们将用户评分纳入图模型的边设置中。该模型为个人和群体提供个性化推荐和预测。所提出的算法在 MovieLens 和 Epinions 数据集上进行了评估。实验结果表明，与其他的基于图的方法相比，所提出的方法表现良好，特别是在冷启动情况下。
引用
@article{arxiv.1208.0787,
title = {A Random Walk Based Model Incorporating Social Information for Recommendations},
author = {Shang Shang and Sanjeev R. Kulkarni and Paul W. Cuff and Pan Hui},
journal= {arXiv preprint arXiv:1208.0787},
year = {2013}
}
备注
2012 IEEE Machine Learning for Signal Processing Workshop (MLSP), 6 pages