基于矩阵补全框架在推荐中平衡准确性与多样性
信息检索
2020-01-14 v1 机器学习
摘要
旨在实现高预测准确性的推荐系统设计是一个被广泛研究的领域。然而，若干研究指出需要多样化推荐，在可接受准确性水平下，以避免单调并改善客户体验。然而，增加多样性会伴随推荐准确性的相应下降；因此需要在二者之间进行最优权衡。在本工作中，我们试图通过利用可用的评分与物品元数据，在矩阵补全框架之上构建的单一联合优化模型，来实现准确性与多样性的平衡。与我们的公式不同，大多数现有工作提出了一个两阶段模型，即在现有协同过滤技术之上采用启发式物品排序方案。在电影推荐系统上的实验评估表明，与现有最先进（SOTA）技术相比，我们的模型在给定准确性下降幅度下实现了更高的多样性。
引用
@article{arxiv.2001.04349,
title = {Balancing Accuracy and Diversity in Recommendations using Matrix Completion Framework},
author = {Anupriya Gogna and Angshul Majumdar},
journal= {arXiv preprint arXiv:2001.04349},
year = {2020}
}