用于“冷启动”预测的嵌入式协同过滤
信息检索
2017-04-11 v1
摘要
仅使用隐式数据，许多推荐系统通常无法向交互历史有限的用户提供精确的推荐集合。此问题被视为“冷启动”问题，通常通过切换到需要额外昂贵信息的基于内容的方法来解决。本文中，我们使用一种降维算法Word2Vec (W2V)（最初应用于自然语言处理问题），在协同过滤(CF)框架下利用仅隐式数据来解决“冷启动”问题。该组合方法被命名为嵌入式协同过滤(ECF)。我们进行了实验以确定ECF在两个不同隐式数据集上的性能。我们表明ECF方法在“冷启动”场景中优于其他流行且最先进的方法。
引用
@article{arxiv.1704.02552,
title = {Embedded Collaborative Filtering for "Cold Start" Prediction},
author = {Yubo Zhou and Ali Nadaf},
journal= {arXiv preprint arXiv:1704.02552},
year = {2017}
}