用于协同过滤的马尔可夫随机场
信息检索
2019-10-23 v1 机器学习
机器学习
摘要
在本文中，我们通过高斯马尔可夫随机场（MRF）对协同过滤问题中推荐给用户的各项之间的依赖关系进行建模。我们基于 Besag 的自正态参数化与伪似然，这不仅实现了计算高效的学习，还将 MRF 与稀疏逆协方差估计领域同自编码器和邻域模型（协同过滤中两种成功的方法）联系起来。我们提出了一种用于学习稀疏 MRF 的新近似，其中推荐精度与训练时间之间的权衡可控。与包括深度非线性模型在内的各种基线相比，仅用极小部分的训练时间，所提方法在我们实验使用的所有三个知名数据集上取得了具有竞争力的排序精度，并且在物品数最多的数据集上精度提升了显著的 20%。
引用
@article{arxiv.1910.09645,
title = {Markov Random Fields for Collaborative Filtering},
author = {Harald Steck},
journal= {arXiv preprint arXiv:1910.09645},
year = {2019}
}
备注
9 pages