社交网络中的音乐推荐与个性化
信息检索
2013-10-29 v1
摘要
本文介绍了一套用于独联体地区第二大社交网络 www.ok.ru（日均访问量超过 4000 万用户）中音乐推荐和个性化的算法。除了“推荐序列”和“查找相似项”等经典推荐功能外，本文还描述了用于构建情境感知推荐、服务个性化、处理冷启动问题等的新型算法。文中描述的所有算法均在线运行，能够实时检测并适应用户行为和需求的变化。算法的核心组件是一个品味图（taste graph），其中包含关于不同实体（用户、曲目、艺术家等）及其之间关系的信息（例如，用户 A 以确定性 X 喜欢歌曲 B，曲目 B 由艺术家 C 创作，艺术家 C 与艺术家 D 的相似度为确定性 Y，等等）。利用该图，可以选择用户最可能喜欢的曲目，以相互匹配良好的方式排列它们，估计固定列表中哪些项目与用户最相关等。此外，本文还描述了用于评估算法效率以及分析不同推荐相关特征对用户行为和服务整体活动影响的方法。
引用
@article{arxiv.1310.7428,
title = {Musical recommendations and personalization in a social network},
author = {Dmitry Bugaychenko and Alexandr Dzuba},
journal= {arXiv preprint arXiv:1310.7428},
year = {2013}
}
备注
This is a full version of a 4 pages article published at ACM RecSys 2013