SPMC：面向稀疏序列推荐的社会感知个性化马尔可夫链
信息检索
2017-08-16 v1
摘要
处理稀疏、长尾数据集和冷启动问题始终是推荐系统面临的挑战。这些问题可以通过不孤立地进行预测，而是利用相关事件的信息来部分解决；此类信息可包括来自社交关系的信号或近期活动序列的信号。这两类附加信息均可用于提升最先进的基于矩阵分解技术的性能。本文提出同时结合社交和序列信息的新方法，以进一步提高推荐性能。我们展示这些技术在处理多个大型真实世界数据集中的稀疏性和冷启动问题时尤为有效。
引用
@article{arxiv.1708.04497,
title = {SPMC: Socially-Aware Personalized Markov Chains for Sparse Sequential Recommendation},
author = {Chenwei Cai and Ruining He and Julian McAuley},
journal= {arXiv preprint arXiv:1708.04497},
year = {2017}
}
备注
7 pages, 6 figures, 3 tables, accepted to IJCAI 2017