学位论文：推荐系统模型比较与评估的理论基础
信息检索
2024-11-05 v1
摘要
随着网络作为电子和商业交易媒介的兴起，推荐系统变得越来越重要。这一技术的关键驱动力之一是用户可以通过简单的鼠标点击轻松提供关于其喜好的反馈。这种反馈通常以评分形式收集，也可以从用户的浏览和购买历史中推断出来。推荐系统利用用户的历史数据推断用户兴趣并提供个性化推荐。推荐的基本原理是用户中心和物品中心的活动之间存在显著依赖关系，可以通过数据驱动的方式学习以做出准确预测。协同过滤是推荐算法的一个家族，它使用多个用户的评分来预测缺失的评分，或使用二进制点击信息来预测潜在的点击。然而，推荐系统可以更复杂，并纳入辅助数据，如基于内容的属性、用户交互和上下文信息。
引用
@article{arxiv.2411.01843,
title = {Dissertation: On the Theoretical Foundation of Model Comparison and Evaluation for Recommender System},
author = {Dong Li},
journal= {arXiv preprint arXiv:2411.01843},
year = {2024}
}
备注
arXiv admin note: text overlap with arXiv:2312.08517