PowerMat：无需用户项目评分值且解决冷启动问题的上下文感知推荐系统
信息检索
2023-03-14 v1
摘要
推荐系统作为许多现代公司的重要技术资产。随着对该技术更高精度的需求增长，越来越多的研究与投资被投入该领域。推荐系统中一个停滞不前的重要子领域是上下文感知推荐系统。由于收集输入数据集的困难，关于上下文感知推荐系统的研究数量远少于推荐系统的其他子领域。本文提出一种名为PowerMat的新算法以应对上下文感知推荐问题。我们的理论构建基于矩阵分解与齐夫定律，以及DotMat等较近期的研究工作。我们通过实验证明，我们的方法取得了优于经典矩阵分解算法及其他上下文感知推荐系统（如MovieMat+）的结果。此外，通过理论分析，我们表明我们的算法解决了上下文感知推荐的冷启动问题。
引用
@article{arxiv.2303.06356,
title = {PowerMat: context-aware recommender system without user item rating values that solves the cold-start problem},
author = {Hao Wang},
journal= {arXiv preprint arXiv:2303.06356},
year = {2023}
}