基于轨迹的播客推荐
机器学习
2020-09-09 v1 机器学习
摘要
播客推荐是一个不断发展的研究领域，带来了新的挑战与机遇。个体与播客的交互方式不同于大多数其他媒体；而我们关注的核心在于其不同于音乐消费的方式。我们表明，通过将用户视为按顺序在播客库中移动，可以做出成功且一致的推荐。然后利用从其顺序行为中得到的轨迹来推荐未来的播客。我们的实验提供的证据表明，用户行为局限于局部趋势，且收听模式往往出现在相似类型节目的短序列中。最终，我们的方法相比协同过滤基线在有效性上提升了450%。
引用
@article{arxiv.2009.03859,
title = {Trajectory Based Podcast Recommendation},
author = {Greg Benton and Ghazal Fazelnia and Alice Wang and Ben Carterette},
journal= {arXiv preprint arXiv:2009.03859},
year = {2020}
}