利用稀疏性构建用于 Top-N 物品推荐的高效基于核的协同过滤
信息检索
2016-12-20 v1 人工智能
机器学习
摘要
隐式反馈数据集日益增加的可用性，提升了人们对开发有效协同过滤技术的兴趣，此类技术能够不对称地处理明确的正反馈和模糊的负反馈。在本文中，我们提出了一种有原则的、用于带隐式反馈的 Top-N 物品推荐的基于核的协同过滤方法。我们提出了一种使用线性核的高效实现，并展示了如何将其推广到点积族核中同时保持其效率。我们还研究了影响标准余弦核稀疏性的因素。该分析表明，核的稀疏性强烈依赖于数据集的属性，特别是长尾分布。我们将我们的方法与 state-of-the-art 算法进行了比较，在效率和有效性方面均取得了良好的结果。
引用
@article{arxiv.1612.05729,
title = {Exploiting sparsity to build efficient kernel based collaborative filtering for top-N item recommendation},
author = {Mirko Polato and Fabio Aiolli},
journal= {arXiv preprint arXiv:1612.05729},
year = {2016}
}
备注
Under revision for Neurocomputing (Elsevier Journal)