通过关联协同行为与侧知识揭示未观测项
信息检索
2018-07-30 v1 机器学习
摘要
我们提出一种基于张量的模型，该模型将更细粒度的用户偏好表示与纳入额外侧信息的能力相融合。该模型依赖于效用的序数本质这一概念，其更契合用户实际感知。此外，与大多数混合推荐器不同，该模型将侧信息直接与协同数据绑定，这不仅解决了极端数据稀疏问题，还允许自然地利用观测行为中的模式，以更有意义的方式表示用户意图。我们在多个标准基准数据集上展示了所提模型的有效性。该方法的一般化表述对观测交互的类型无任何限制，使其潜在适用于上下文信息与侧数据的联合建模。
引用
@article{arxiv.1807.10634,
title = {Revealing the Unobserved by Linking Collaborative Behavior and Side Knowledge},
author = {Evgeny Frolov and Ivan Oseledets},
journal= {arXiv preprint arXiv:1807.10634},
year = {2018}
}
备注
9 pages, 1 figure, draft