PoissonMat：使用泊松分布重塑矩阵分解并在无输入数据下解决冷启动问题
信息检索
2022-12-21 v1 人工智能
机器学习
摘要
矩阵分解是过去十年中最成功的推荐系统技术之一。然而，矩阵分解的经典概率理论框架是使用正态分布建模的。为了寻找更好的概率模型，近年来发明了 RankMat、ZeroMat 和 DotMat 等算法。在本文中，我们将推荐系统中的用户评分行为建模为泊松过程，并设计了一种不依赖任何输入数据的算法，以同时解决推荐问题和冷启动问题。我们证明了我们的算法相较于矩阵分解、随机放置、Zipf 放置、ZeroMat、DotMat 等具有优越性。
关键词
引用
@article{arxiv.2212.10460,
title = {PoissonMat: Remodeling Matrix Factorization using Poisson Distribution and Solving the Cold Start Problem without Input Data},
author = {Hao Wang},
journal= {arXiv preprint arXiv:2212.10460},
year = {2022}
}