基于标签一致性受限玻尔兹曼机的协同过滤
机器学习
2019-10-18 v1 信息检索
神经与进化计算
摘要
将受限玻尔兹曼机（RBM）用于协同过滤的可能性已为人所知约十年。然而，自 2007 年以来，关于此主题的研究几乎空白。本工作重新审视了 RBM 在推荐系统中的应用。基于 RBM 的协同过滤仅使用了评分信息；这是一种无监督架构。本工作通过利用用户人口统计信息和物品元数据增加了监督。从表示层到标签（元数据）学习了一个网络。所提出的标签一致性 RBM 公式显著改进了现有的基于 RBM 的方法，并取得了与当前最优的基于潜在因子模型相当的结果。
引用
@article{arxiv.1910.07724,
title = {Collaborative Filtering with Label Consistent Restricted Boltzmann Machine},
author = {Sagar Verma and Prince Patel and Angshul Majumdar},
journal= {arXiv preprint arXiv:1910.07724},
year = {2019}
}
备注
6 pages, ICAPR 2017, Code: https://github.com/sagarverma/LC-CFRBM