一种基于迭代局部最小二乘法的两步推荐算法
信息检索
2012-06-18 v1
摘要
推荐系统能够极大地改变我们的生活，帮助我们更便捷、轻松地挑选合适且喜爱的物品。因此，近年来提出了各种算法以提升性能。然而，所有这些算法都面临一个关键问题：数据稀疏性。在本文中，我们提出了一种基于迭代局部最小二乘法（ILLS）的两步推荐算法。首先，我们获取由用户行为记录构建的评分矩阵，该矩阵通常非常稀疏。其次，我们通过 ProbS 对“评分”矩阵进行预处理，将稀疏数据转化为稠密数据。然后，我们使用 ILLS 估算那些缺失值。最后，生成推荐列表。在 MovieLens、Netflix 和 RYM 三个数据集上的实验结果表明，所提出的方法能够提高 AUC 的算法精度。特别是在稠密数据集中，其表现更为优异。此外，由于该方法能够通过迭代更准确地改进缺失值，这可能为发现非活跃用户的购买意向并最终解决冷启动问题提供启示。
引用
@article{arxiv.1206.3320,
title = {A two-step Recommendation Algorithm via Iterative Local Least Squares},
author = {Jinhu Liu and Chengcheng Yang and Zi-Ke Zhang},
journal= {arXiv preprint arXiv:1206.3320},
year = {2012}
}