用于构建议会环境推荐系统的正样本无标签学习
信息检索
2024-01-23 v1
摘要
我们的目标是通过挖掘议会议员的议会活动来了解其政治兴趣和偏好，从而开发一种推荐/过滤系统；给定待分发的文档流，该系统能够决定每位议员应接收哪些文档。我们提议使用正样本无标签学习 (positive unlabeled learning) 来解决此问题，因为我们仅拥有相关文档的信息（即每位议员在辩论中的发言），而缺乏无关文档的信息，因此无法使用经过正负样本训练的标准二分类器。我们还开发了一种此类新算法，其表现优于：a) 假设其他议员的所有发言均无关的基线方法，b) 另一种知名的正样本无标签学习方法，以及 c) 基于信息检索方法并匹配文档与立法者表示的方法。实验使用了西班牙安达卢西亚地区议会的数据进行。
引用
@article{arxiv.2401.10961,
title = {Positive unlabeled learning for building recommender systems in a parliamentary setting},
author = {Luis M. de Camposa and Juan M. Fernández-Luna and Juan F. Huete and Luis Redondo-Expósito},
journal= {arXiv preprint arXiv:2401.10961},
year = {2024}
}