DotMat:解决推荐系统的冷启动问题并缓解稀疏性问题
信息检索
2022-06-02 v1
摘要
冷启动和稀疏性问题是推荐系统的两个关键固有难题。在过去二十年中,研究人员和工业从业者投入了大量精力试图解决这些问题。然而,对于冷启动问题,大多数研究依赖引入辅助信息来迁移知识。一个显著的例外是ZeroMat,它不使用额外的输入数据。稀疏性是一个较少被注意到的问题。在本文中,我们提出一种名为DotMat的新算法,它不依赖任何额外输入数据,但能够解决冷启动和稀疏性问题。在实验中,我们证明如同ZeroMat,DotMat能够与使用全数据的推荐系统(如经典矩阵分解算法)取得有竞争力的结果。
引用
@article{arxiv.2206.00151,
title = {DotMat: Solving Cold-start Problem and Alleviating Sparsity Problem for Recommender Systems},
author = {Hao Wang},
journal= {arXiv preprint arXiv:2206.00151},
year = {2022}
}