推荐系统中潜在因子模型综述
信息检索
2025-01-06 v1 人工智能
机器学习
摘要
在数字时代，推荐系统是提供个性化内容的重要工具，涵盖电子商务、娱乐和社交媒体等领域。众多方法开发出来以创建这些系统，其中潜在因子模型尤其有效。本综述系统性地审查了推荐系统中的潜在因子模型，聚焦其核心原理、方法论及近期进展。文献通过结构化框架进行检阅，涵盖学习数据、模型架构、学习策略及优化技术。分析包括贡献的分类法，以及关于所用学习数据的类型（如隐式反馈、信任数据和内容数据）、各种模型（如概率模型、非线性模型和神经网络模型）的详细讨论，以及对多样化学习策略（如在线学习、迁移学习和主动学习）的探索。此外，综述还讨论了用于训练潜在因子模型的优化策略，旨在提高其性能和可扩展性。通过识别趋势、空白和潜在研究方向，本综述旨为寻求推动推荐系统领域发展的研究人员和实践者提供有价值的见解。
引用
@article{arxiv.2405.18068,
title = {A Survey of Latent Factor Models in Recommender Systems},
author = {Hind I. Alshbanat and Hafida Benhidour and Said Kerrache},
journal= {arXiv preprint arXiv:2405.18068},
year = {2025}
}