融合社交暴露的协同过滤：一种模块化社交推荐方法
信息检索
2017-12-01 v1 社会与信息网络
摘要
本文关注如何高效利用社交信息以改进推荐。大多数现有社交推荐系统假设人们与其社交好友具有相似偏好，然而由于建立线上好友的各种动机以及线上社交网络的动态性，这一假设可能并不成立。受近期基于因果过程的推荐（先建模用户对物品的暴露再利用这些暴露指导评分预测）启发，我们利用社交信息捕捉用户暴露而非用户偏好。我们假设人们从线上好友处获取产品信息且不必共享相似偏好，这一假设限制更少且似乎更贴近现实。在此新假设下，本文提出一种新颖的推荐方法（命名为 SERec）将社交暴露整合进协同过滤。我们提出两种实现 SERec 的方法，即社交正则化与社交提升，二者以不同方式构建社交暴露。在四个真实数据集上的实验表明，我们的方法在 top-N 推荐上优于最先进的方法。进一步研究比较了两种所提方法的鲁棒性与可扩展性。
引用
@article{arxiv.1711.11458,
title = {Collaborative Filtering with Social Exposure: A Modular Approach to Social Recommendation},
author = {Menghan Wang and Xiaolin Zheng and Yang Yang and Kun Zhang},
journal= {arXiv preprint arXiv:1711.11458},
year = {2017}
}
备注
Accepted for publication at the 32nd Conference on Artificial Intelligence (AAAI 2018), New Orleans, Louisiana