基于物品的推荐系统中置信度估计的特征值类比
信息检索
2019-07-16 v2 机器学习
机器学习
摘要
物品-物品协同过滤（CF）模型是一类众所周知且被广泛研究的推荐系统，然而现有文献未能提供任何关于基于物品的推荐在何种条件下成功或失败的理论解释。我们研究了一种能够进行完美推荐的理想基于物品的CF方法的存在性。该CF模型被形式化为一个特征值问题，其中估计评分等于真实（未知）评分乘以相似度矩阵的用户特定特征值。初步实验表明，特征值的大小与该用户推荐的准确度成正比，因此可提供可靠的置信度度量。
引用
@article{arxiv.1809.02052,
title = {Eigenvalue analogy for confidence estimation in item-based recommender systems},
author = {Maurizio Ferrari Dacrema and Paolo Cremonesi},
journal= {arXiv preprint arXiv:1809.02052},
year = {2019}
}