基于图的协同排序

数据稀疏性是基于邻域的协同过滤领域中的常见问题，通常使物品推荐过程复杂化。该问题在协同排序领域中更为严重，其中计算用户相似度和推荐物品基于排序数据。一些基于图的方法已被提出以解决数据稀疏性问题，但它们有两个缺陷。首先，它们未能正确建模用户优先级；其次，当唯一可用数据是一组排序而非评分值时，它们无法使用。在本文中，我们提出一种称为GRank的新型基于图的方法，专为协同排序领域设计。GRank能在一种新的三部图结构中正确建模用户优先级，并分析该图以直接推断推荐列表。实验结果表明，与最先进的基于图的推荐算法及其他协同排序技术相比，推荐质量有显著提升。