基于评分模式识别用户
信息检索
2012-07-27 v1 机器学习
机器学习
摘要
本文报告了我们对 2011 年 CAMRa 挑战赛数据集（赛道 2）的分析，该数据集用于情境感知电影推荐系统。训练数据集包含 171,670 名用户对 23,974 部电影提供的 4,536,891 条评分，以及部分用户的家庭分组信息。测试数据集包含 5,450 条评分，其中用户标签缺失但提供了家庭标签。挑战赛要求识别测试集中评分的用户标签。我们的主要发现是，时间信息（评分的时间标签）对于实现这一目标比用户偏好（实际评分）显著更有用。利用基于这一事实的模型，我们能够在已知家庭内以约 96% 的准确率识别用户（即误分类率约为 4%）。
引用
@article{arxiv.1207.6379,
title = {Identifying Users From Their Rating Patterns},
author = {José Bento and Nadia Fawaz and Andrea Montanari and Stratis Ioannidis},
journal= {arXiv preprint arXiv:1207.6379},
year = {2012}
}
备注
Winner of the 2011 Challenge on Context-Aware Movie Recommendation (RecSys 2011 - CAMRa2011)