面向推荐的消费感知评分预测
社会与信息网络
2016-10-19 v1
摘要
评分预测在推荐系统中被广泛研究，它通过利用用户-项目交互信息来预测用户对项目的评分。除了用户与项目之间的评分信息外，大量额外信息（如社交关系和地理位置）已被用于提升推荐效果。电子商务网站上用户与项目之间每次交易的消费信息广泛存在，通常出现在评分信息旁边，但关于消费与评分之间相关性的研究却很少。在本文中，我们首先在真实数据集中研究了它们的相关性，并提出了消费感知评分预测问题。从中国知名社交媒体平台“大众点评”爬取的数据集中，我们发现了一些消费与评分之间富有洞察力的相关性：1）消费较高的交易或体验通常导致较高的评分；2）当实际消费高于用户的正常消费行为时，用户通常会给出更高的评分；3）存在多个等级的消费行为。基于这三个观察，我们提出了一种基于低秩矩阵分解的消费感知评分预测方法（EARP），以有效整合消费信息。在五个真实数据集上的大量实验表明，EARP 不仅始终优于其他最先进的基线方法，还能发现用户和商家的潜在特征。
引用
@article{arxiv.1610.05464,
title = {Expenditure Aware Rating Prediction for Recommendation},
author = {Chuan Shi and Bowei He and Menghao Zhang and Fuzhen Zhuang and Philip S. Yu},
journal= {arXiv preprint arXiv:1610.05464},
year = {2016}
}