用于协同过滤中评分获取的高效矩形最大体积算法
信息检索
2016-10-18 v1 人工智能
摘要
协同过滤中的冷启动问题可以通过要求新用户对一小部分代表性物品的种子集进行评分，或要求代表性用户对新物品进行评分来解决。问题在于如何构建一个能够提供足够偏好信息以做出良好推荐的种子集。一种最成功的方法，称为基于代表性矩阵分解，其基础是Maxvol算法。不幸的是，这种方法有一个重要的局限性——特定大小的种子集需要固定秩的评分矩阵分解，且该秩必须与种子集大小一致。这在一般情况下未必是最优的。在本文中，我们为该方法的一种分析性推广引入了一种快速算法，我们称之为矩形Maxvol。它允许分解的秩低于所需的种子集大小。此外，本文还包括对该方法误差的理论分析、对现有方法的复杂度分析以及与最先进方法的比较。
引用
@article{arxiv.1610.04850,
title = {Efficient Rectangular Maximal-Volume Algorithm for Rating Elicitation in Collaborative Filtering},
author = {Alexander Fonarev and Alexander Mikhalev and Pavel Serdyukov and Gleb Gusev and Ivan Oseledets},
journal= {arXiv preprint arXiv:1610.04850},
year = {2016}
}
备注
IEEE International Conference on Data Mining (ICDM) 2016