面向社交网络推荐预测的上下文感知多面分解模型集成方法
信息检索
2021-05-04 v1 计算与语言
统计计算
摘要
本文描述了盛大创新团队在 KDD-Cup 2012 任务 1 中的解决方案。提出了一种称为多面分解模型的新方法来融合社交网络中的丰富特征。用户之间的社交关系和行为被作为隐式反馈整合以提升推荐精度。关键词、标签、档案、时间及其他特征也被用于建模用户兴趣。此外，从推荐记录的时长对用户行为进行建模。随后应用上下文感知集成框架来组合多个预测器并生成最终推荐结果。所提方法在测试集上取得了 0.43959（公开分数）/ 0.41874（私有分数），在 KDD-Cup 竞赛中获得第二名。
引用
@article{arxiv.2105.00991,
title = {Context-aware Ensemble of Multifaceted Factorization Models for Recommendation Prediction in Social Networks},
author = {Yunwen Chen and Zuotao Liu and Daqi Ji and Yingwei Xin and Wenguang Wang and Lu Yao and Yi Zou},
journal= {arXiv preprint arXiv:2105.00991},
year = {2021}
}
备注
KDD 2012