RankMat：具有校准分布式嵌入与公平性增强的矩阵分解
信息检索
2022-04-28 v1
摘要
矩阵分解是推荐系统领域广泛采用的技术。矩阵分解技术涵盖SVD、LDA、pLSA、SVD++、MatRec、Zipf矩阵分解和Item2Vec等。近年来，分布式词嵌入激发了推荐系统领域的创新。Word2vec和GloVe在小米推荐系统等诸多工业应用场景中尤其受到重视。本文受幂律分布理论和GloVe的启发，提出一种新的矩阵分解方法。不同于GloVe模型的指数性质，我们利用帕累托分布（Pareto Distribution）来建模损失函数。我们的方法在理论上可解释，在实践中易于实现。在实验部分，我们证明我们的方法优于普通的矩阵分解技术，并在准确性和公平性指标上与基于GloVe的模型相当。
引用
@article{arxiv.2204.13016,
title = {RankMat : Matrix Factorization with Calibrated Distributed Embedding and Fairness Enhancement},
author = {Hao Wang},
journal= {arXiv preprint arXiv:2204.13016},
year = {2022}
}
备注
ICCIP 2021