面向金融推荐的历史增强协同过滤
机器学习
2021-03-01 v1 计算金融
机器学习
摘要
在许多业务尤其是金融领域，客户的行为可能随时间发生剧烈变化。因此，此类环境中使用的推荐系统必须能够适应这些变化。本研究提出一种新颖的协同过滤算法，通过用户和项目近期的交互历史来捕捉用户-项目交互的时间上下文，从而提供动态推荐。该算法针对金融领域的特定问题设计，采用自定义的神经网络架构来处理用户与项目行为的非平稳性。在法国巴黎银行企业与机构银行业务的G10债券询价专有数据库上的一系列实验中，监测了算法的性能与特性。
引用
@article{arxiv.2102.13503,
title = {History-Augmented Collaborative Filtering for Financial Recommendations},
author = {Baptiste Barreau and Laurent Carlier},
journal= {arXiv preprint arXiv:2102.13503},
year = {2021}
}