解决推荐系统明显的多样性-准确性困境
信息检索
2010-03-15 v3 物理与社会
摘要
推荐系统利用用户过去偏好的数据来预测未来可能的喜好和兴趣。一个关键挑战在于，虽然最有用的个性化推荐存在于多样化的冷门物品中，但最可靠准确的结果却是由基于用户或物品相似度进行推荐的方法获得的。本文介绍了一种专门应对多样性挑战的新算法，并展示了如何通过将其与一个注重准确性的算法优雅地混合，来解决这一明显的困境。通过适当调整混合算法，我们无需依赖任何语义或上下文特定信息，就能在推荐的准确性和多样性上同时获得提升。
引用
@article{arxiv.0808.2670,
title = {Solving the apparent diversity-accuracy dilemma of recommender systems},
author = {Tao Zhou and Zoltan Kuscsik and Jian-Guo Liu and Matus Medo and Joseph R. Wakeling and Yi-Cheng Zhang},
journal= {arXiv preprint arXiv:0808.2670},
year = {2010}
}
备注
10 pages, 9 figures, 4 tables (final version with supporting information included)