MatRec：面向高度偏斜数据集的矩阵分解方法
信息检索
2020-11-10 v1 人工智能
摘要
推荐系统是应用于互联网企业最成功的 AI 技术之一。TikTok、Amazon 和 YouTube 等热门互联网产品均已将推荐系统作为其核心产品特性。尽管推荐系统已取得巨大成功，但众所周知，对于高度偏斜的数据集，工程师与研究人员需要调整方法以应对特定问题以获得良好结果。无法处理高度偏斜数据集通常会给大数据集群带来艰巨的计算问题，并给客户带来不尽如人意的结果。本文提出一种在矩阵分解框架下解决该问题的新算法。我们在方法的理论建模中对数据偏斜因子进行建模，给出易于解释且易于实现的公式。我们通过实验证明，本方法与 Learning to Rank、Alternating Least Squares 和 Deep Matrix Factorization 等流行推荐算法相比可产生相当优异的结果。
引用
@article{arxiv.2011.04395,
title = {MatRec: Matrix Factorization for Highly Skewed Dataset},
author = {Hao Wang and Bing Ruan},
journal= {arXiv preprint arXiv:2011.04395},
year = {2020}
}