非独立同分布推荐系统：推荐范式转移的综述与框架
信息检索
2020-07-15 v1 机器学习
摘要
尽管推荐在我们的生活、学习、工作和娱乐中扮演日益关键的角色，我们所接收到的推荐常针对不相关、重复或无趣的产品与服务。此类糟糕推荐的一个关键原因在于现有理论与系统中被推荐的的用户与物品相互独立同分布（IID）这一内在假设。另一现象是，尽管已投入巨大努力建模用户或物品的特定方面，整体用户与物品特征及其非 IID 性却被忽视。本文讨论了推荐的非 IID 本质与特征，继而给出非 IID 理论框架，以从耦合与异质性双视角深入全面理解推荐问题的内在本质。该非 IID 推荐研究引发了从 IID 到非 IID 推荐研究的范式转移，并有望提供知情的、相关的、个性化的且可执行的推荐。它创造了令人振奋的新方向及基础解决方案，以应对包括冷启动、基于稀疏数据、跨域、基于群组以及托攻击相关等各类复杂性。
引用
@article{arxiv.2007.07217,
title = {Non-IID Recommender Systems: A Review and Framework of Recommendation Paradigm Shifting},
author = {Longbing Cao},
journal= {arXiv preprint arXiv:2007.07217},
year = {2020}
}