动态张量推荐系统
统计方法学
2020-03-13 v1
摘要
推荐系统已被娱乐产业、商业营销和生物医学产业广泛使用。除了作为一种无监督学习方法提供基于偏好的推荐能力外，它还被证明在销售预测、产品推广和其他生产相关业务中有用。由于一些消费者和公司需要对未来预算、劳动力和供应链协调的推荐或预测，用于精确预测的动态推荐系统已变得极为必要。在本文中，我们提出一种新的推荐方法，即动态张量推荐系统(DTRS)，其特别旨在预测未来推荐。所提方法利用时间的张量值函数整合时间和上下文信息，并通过多项式样条近似为时间张量分解创建时变系数模型。所提方法的主要优势包括有竞争力的未来推荐预测和有效的预测区间估计。在理论上，我们建立了所提张量分解的收敛速率和样条系数估计量的渐近正态性。所提方法应用于模拟和 IRI 营销数据。数值研究表明，所提方法在未来时间预测方面优于现有方法。
引用
@article{arxiv.2003.05568,
title = {Dynamic Tensor Recommender Systems},
author = {Yanqing Zhang and Xuan Bi and Niansheng Tang and Annie Qu},
journal= {arXiv preprint arXiv:2003.05568},
year = {2020}
}