集体矩阵分解中的冷启动推荐
信息检索
2020-03-17 v2 机器学习
机器学习
摘要
本工作探讨了推荐系统中集体矩阵分解模型对具有侧信息但无反馈或交互数据的用户和物品进行预测的能力，并提出了一种具有更快冷启动预测公式的新形式，可用于实时系统。尽管这些冷启动推荐不如热启动推荐好，但被发现其质量优于非个性化推荐，且关于新用户的预测比关于新物品的预测更可靠。此处提出的形式在许多场景下改善了冷启动推荐，代价是热启动推荐变差。
引用
@article{arxiv.1809.00366,
title = {Cold-start recommendations in Collective Matrix Factorization},
author = {David Cortes},
journal= {arXiv preprint arXiv:1809.00366},
year = {2020}
}