利用异构关系的基于内容的 Top-N 推荐
信息检索
2016-06-28 v1 人工智能
摘要
Top- 推荐系统已被广泛研究。然而，用户-项目活动的稀疏性问题尚未得到很好解决。尽管提出了许多混合系统以应对冷启动问题，但画像信息尚未得到充分利用。此外，用户与项目之间画像的异构性加剧了这一挑战。本文通过学习画像中的全局词项权重，提出了一种基于内容的 Top- 推荐系统。为此，我们引入了 PathSim，它能够很好地度量具有异构关系（用户与项目之间）的节点相似度。从原始的 TF-IDF 值出发，全局词项权重逐渐收敛，并最终同时反映画像和活动信息。为便于训练，导数被重新表述为矩阵形式，可轻松实现并行化。我们进行了大量实验，证明了所提方法的优越性。
引用
@article{arxiv.1606.08104,
title = {Content-Based Top-N Recommendation using Heterogeneous Relations},
author = {Yifan Chen and Xiang Zhao and Junjiao Gan and Junkai Ren and Yang Fang},
journal= {arXiv preprint arXiv:1606.08104},
year = {2016}
}
备注
13 pages, 8 figures, ADC 2016