聚类发展的 1-比特矩阵补全
机器学习
2019-04-09 v1 机器学习
摘要
矩阵补全作为推荐系统的核心技术有着悠久的使用历史。特别是 1-比特矩阵补全，将预测视为“推荐”或“不推荐”的问题，已证明其在领域内的意义与有效性。然而，当客户与产品聚集成交互簇时，最先进的基于模型的 1-比特推荐系统并未考虑分组偏置。为弥补这一差距，本文通过首次将组特定效应在低秩潜变量框架下整合进 1-比特推荐系统，引入了组特定 1-比特矩阵补全（GS1MC）。此外，为使 GS1MC 在分组信息不可得时仍有效，通过将稀疏子空间聚类技术整合进 GS1MC，提出了聚类发展矩阵补全（CDMC）。即，CDMC 允许同时对用户/物品进行聚类并利用其组效应进行矩阵补全。在合成与真实数据上的实验表明 GS1MC 优于当前的 1-比特矩阵补全方法。同时，引人注目的是 CDMC 仅基于稀疏二值用户-物品交互数据即可成功捕获物品的类型特征。值得注意的是，GS1MC 为整合与评估聚类方法的有效性提供了新视角，而 CDMC 可作为一种探索未揭示的社会行为或市场现象的新工具。
引用
@article{arxiv.1904.03779,
title = {Cluster Developing 1-Bit Matrix Completion},
author = {Chengkun Zhang. Junbin Gao and Stephen Lu},
journal= {arXiv preprint arXiv:1904.03779},
year = {2019}
}
备注
16 Pages