基于MDL原理与嵌入相关性提升因子的少数据高相关路由推荐系统
信息检索
2018-06-14 v2
摘要
路由推荐系统若能同时考虑所收集的用户评论（例如通常获得正面评价的地方可能更受青睐）可提供更优推荐。然而，为进行情感分类，当今许多分类算法在处理如简短书面评论等少量数据项时表现不佳。本文提出了一种基于MDL（最小描述长度）情感分类的强相关路由推荐系统模型，并表明此类系统能够处理少量数据项（简短用户评论）。该模型的另一亮点是 relevance 计算中引入了一组提升因子，以改进任何实现该模型的推荐系统中的相关性。
引用
@article{arxiv.1804.06905,
title = {Highly Relevant Routing Recommendation Systems for Handling Few Data Using MDL Principle and Embedded Relevance Boosting Factors},
author = {Diyah Puspitaningrum and I. S. W. B. Prasetya and P. A. Wicaksono},
journal= {arXiv preprint arXiv:1804.06905},
year = {2018}
}
备注
ACM SIGIR 2018 Workshop on Learning from Limited or Noisy Data for Information Retrieval (LND4IR'18), July 12, 2018, Ann Arbor, Michigan, USA, 8 pages, 9 figures