UniWalk：面向评分与网络数据的可解释且精确的推荐
信息检索
2017-10-20 v1
摘要
我们如何利用社交网络数据和观测到的评分，来正确地推荐合适的物品，并为推荐提供有说服力的解释？许多在线服务提供了用户之间的社交网络，利用社交信息至关重要，因为来自朋友的推荐比来自随机用户的推荐更可能吸引注意力。同时，解释为何推荐这些物品对于鼓励用户的实际购买等行为非常重要。然而，同时利用评分和社交图谱进行推荐并非易事，因为数据具有异质性。在本文中，我们提出了 UniWalk，一个同时利用社交网络和评分数据的可解释且精确的推荐系统。UniWalk 将两种数据结合成一个统一图，学习用户和物品的潜在特征，并通过这些特征向每个用户推荐物品。重要的是，它在给出推荐结果的同时解释为何推荐这些物品。大量实验表明，UniWalk 提供了最佳的可解释性，并达到了最先进的精确度。
引用
@article{arxiv.1710.07134,
title = {UniWalk: Explainable and Accurate Recommendation for Rating and Network Data},
author = {Haekyu Park and Hyunsik Jeon and Junghwan Kim and Beunguk Ahn and U Kang},
journal= {arXiv preprint arXiv:1710.07134},
year = {2017}
}
备注
9 pages