基于矩阵分解几何解释与分析的公平推荐
信息检索
2023-01-11 v1 人工智能
摘要
基于矩阵分解的推荐系统实质上是一种保角降维技术。由于物品频率服从幂律分布，用户特征向量与物品特征向量在原始维度中的大多数向量位于同一超平面上。然而，解析地重构原始维度中的嵌入非常困难，因此我们将原保角降维问题重新表述为保距降维问题。我们展示了推荐系统输入数据在其原始高维空间中的几何形状分布于具有有趣性质的共心圆上，并设计了一种名为 ParaMat 的基于抛物面的矩阵分解来解决推荐问题。在实验部分，我们将所提算法与其他 8 种算法比较，证明新方法是相较于 ZeroMat 和 DotMat Hybrid 等现代推荐系统最公平的算法。
引用
@article{arxiv.2301.03791,
title = {Fair Recommendation by Geometric Interpretation and Analysis of Matrix Factorization},
author = {Hao Wang},
journal= {arXiv preprint arXiv:2301.03791},
year = {2023}
}