通过概率聚类级潜在因子模型改进跨域推荐——扩展版
信息检索
2014-09-26 v1 机器学习
机器学习
摘要
跨域推荐旨在通过汇集多个域的评分数据来迁移用户行为模式，从而缓解单一评分域中出现的稀疏性问题。然而，以往模型仅基于用户 - 项共聚类假设多个域共享潜在的通用评分模式。为了捕捉不同域之间的多样性，我们提出了一种新颖的概率聚类级潜在因子（PCLF）模型，以提升跨域推荐性能。在多个真实世界数据集上的实验表明，我们提出的模型在跨域推荐任务中优于最先进（SOTA）的方法。
引用
@article{arxiv.1409.6805,
title = {Improving Cross-domain Recommendation through Probabilistic Cluster-level Latent Factor Model--Extended Version},
author = {Siting Ren and Sheng Gao},
journal= {arXiv preprint arXiv:1409.6805},
year = {2014}
}