基于数据特征的推荐方法对冷启动问题与多样性的促进作用
信息检索
2012-07-26 v3 物理与社会
摘要
纯方法通常在推荐准确性或多样性方面表现优异，而混合方法通常在推荐准确性和多样性两方面均优于纯方法，但面临针对不同推荐重点选择最优混合参数的困境。本文基于用户-物品二分网络，通过将混合参数与数据特征相关联，提出了一种基于数据特征的算法。与以往的混合方法不同，本算法根据算法与物品度之间的相关性，为每个单独物品自适应地分配最优参数。与一种高准确性的纯方法以及一种在推荐准确性和多样性方面均表现突出的混合方法相比，我们的方法在长期具有挑战性的冷启动问题以及推荐多样性方面显示出显著的促进作用，同时保持了较高的整体推荐准确性。即使与一种在冷启动问题上高效的改进混合方法相比，所提方法不仅进一步提高了冷物品的推荐准确性，还增强了推荐多样性。我们的工作可能从将算法与数据集属性相关联的角度，为更好地解决个性化推荐提供一种有前景的途径。
引用
@article{arxiv.1205.2822,
title = {Promotional effect on cold start problem and diversity in a data characteristic based recommendation method},
author = {Tian Qiu and Zi-Ke Zhang and Guang Chen},
journal= {arXiv preprint arXiv:1205.2822},
year = {2012}
}