PLIERS：一种基于流行度的在线社交网络内容分发推荐系统
信息检索
2023-07-07 v1 机器学习
摘要
在本文中，我们提出了一种名为 PLIERS 的新型基于标签的推荐系统，其依赖于这样一个假设：用户主要对与其已拥有项目和标签流行度相似的项目和标签感兴趣。PLIERS 旨在在算法复杂度和推荐项目的个性化程度之间取得良好权衡。为了评估 PLIERS，我们在真实 OSN（在线社交网络）数据集上进行了一系列实验，表明其在推荐的个性化、相关性和新颖性方面优于最先进的（state-of-the-art）解决方案。
引用
@article{arxiv.2307.02865,
title = {PLIERS: a Popularity-Based Recommender System for Content Dissemination in Online Social Networks},
author = {Valerio Arnaboldi and Mattia Giovanni Campana and Franca Delmastro and Elena Pagani},
journal= {arXiv preprint arXiv:2307.02865},
year = {2023}
}
备注
Published in SAC '16: Proceedings of the 31st Annual ACM Symposium on Applied Computing