DUM：用于推荐的多样性加权效用最大化
信息检索
2014-11-14 v1 机器学习
摘要
推荐列表多样化的需求体现在多种推荐系统应用场景中。然而，多样性的增加可能会削弱推荐的效用，因为列表中的相关物品可能被更多样化的物品所取代。在本工作中，我们提出了一种新颖的方法，旨在在满足用户口味多样性的前提下最大化推荐物品的效用，并证明了该问题的最优解可以通过贪心算法找到。我们在两项在线用户研究以及一项包含多种评估指标的离线分析中评估了所提出的方法。评估结果显示，我们的方法优于多个基线方法。
引用
@article{arxiv.1411.3650,
title = {DUM: Diversity-Weighted Utility Maximization for Recommendations},
author = {Azin Ashkan and Branislav Kveton and Shlomo Berkovsky and Zheng Wen},
journal= {arXiv preprint arXiv:1411.3650},
year = {2014}
}