基于潜在特征的 FM评分预测模型
机器学习
2014-10-30 v1 信息检索
机器学习
摘要
评分预测是推荐系统中的基本问题，其中最广泛使用的方法之一是因子分解机（Factorization Machines, FM）。然而，传统的矩阵分解方法未能利用隐式反馈的优势，而隐式反馈已被证明在评分预测问题中非常重要。在本工作中，我们考虑了一个特定情境，即电影评分预测，其中我们假设观看历史对用户对某物品的评分行为有很大影响。我们引入了两个模型：潜在狄利克雷分配（Latent Dirichlet Allocation, LDA）和word2vec，两者在训练潜在特征方面均取得了state-of-the-art的结果。基于此，我们提出了两个基于特征的模型。一个是基于主题的FM模型，它为矩阵分解提供隐式反馈。另一个是基于向量的FM模型，它表达了观看历史的顺序信息。在三个数据集上的实验结果表明，我们的方法优于基线模型，并证实基于向量的FM模型由于包含顺序信息通常表现更好。
引用
@article{arxiv.1410.8034,
title = {Latent Feature Based FM Model For Rating Prediction},
author = {Xudong Liu and Bin Zhang and Ting Zhang and Chang Liu},
journal= {arXiv preprint arXiv:1410.8034},
year = {2014}
}
备注
4 pages, 3 figures, Large Scale Recommender Systems:workshop of Recsys 2014