响应感知的基于模型的协同过滤
机器学习
2012-10-19 v1 信息检索
机器学习
摘要
先前关于推荐系统的工作主要集中在拟合用户提供的评分上。然而，响应模式（即某些物品被评分而其他物品未被评分）通常被忽略。我们认为，未能观察此类响应模式会导致参数估计有偏和模型性能次优。虽然已有几项工作尝试对用户响应模式进行建模，但它们缺乏成功的矩阵分解协同过滤方法的有效性和可解释性。为了弥合这一差距，本文统一了显式响应模型和 PMF，建立了响应感知概率矩阵分解（RAPMF）框架。我们证明 RAPMF 将 PMF 作为一种特例包含在内。实证上，我们从各个方面展示了 RAPMF 的优势。
引用
@article{arxiv.1210.4869,
title = {Response Aware Model-Based Collaborative Filtering},
author = {Guang Ling and Haiqin Yang and Michael R. Lyu and Irwin King},
journal= {arXiv preprint arXiv:1210.4869},
year = {2012}
}
备注
Appears in Proceedings of the Twenty-Eighth Conference on Uncertainty in Artificial Intelligence (UAI2012)