通过突出 ExTrA 虚构专家提升推荐多样性
社会与信息网络
2020-04-27 v1 信息检索
摘要
如今，推荐系统（RSes）对个人用户和商业营销正变得日益重要，尤其是在线电子商务场景中。然而，尽管文献中提出的大多数推荐算法致力于提高预测准确率，推荐质量的其他重要方面（如推荐多样性）或多或少被忽视了。近十年来，推荐多样性引起了更多研究关注，尤其是在基于用户-物品二部网络的模型中。本文中，我们引入一类从推荐系统用户中提取虚构专家的方法，命名为专家追踪方法（简称 ExTrA），并通过在一种著名的基于二部网络的方法（称为质量扩散（简称 MD）模型）中突出这些虚构专家，探究其在提升推荐多样性方面的能力。这些基于 ExTrA 的模型在推荐准确率和多样性方面与两种最先进的 MD 改进模型 HHP 和 BHC 进行了比较。在三个真实数据集 MovieLens、Netflix 和 RYM 上的综合实证结果表明，我们提出的基于 ExTrA 的模型能在保持可比推荐准确率水平的同时，获得显著的多样性增益。
引用
@article{arxiv.2004.11662,
title = {Improving Recommendation Diversity by Highlighting the ExTrA Fabricated Experts},
author = {Ya-Hui An and Qiang Dong and Quan Yuan and Chao Wang},
journal= {arXiv preprint arXiv:2004.11662},
year = {2020}
}