基于聚类多任务学习的用户敏感推荐集成
信息检索
2018-05-01 v1
摘要
本文以用户敏感的方式考虑推荐算法集成。近期研究人员提出了各种有效的推荐算法，它们利用了数据的不同方面和不同的技术。然而，几乎所有推荐算法都可能存在“用户倾斜预测”问题——具有最佳平均预测准确率的算法可能掩盖了该算法对部分用户表现不佳的事实，这将在实际场景中导致有偏的服务。在本文中，我们提出了一种名为“UREC”的用户敏感集成方法来解决此问题。我们首先基于推荐预测对用户进行聚类，然后使用多任务学习为用户学习用户敏感的集成函数。此外，为了减轻新用户问题对用户聚类的不利影响，我们提出了一种基于谱松弛的近似方法。在真实世界数据集上的实验证明了我们方法的优越性。
引用
@article{arxiv.1804.10795,
title = {User-Sensitive Recommendation Ensemble with Clustered Multi-Task Learning},
author = {Menghan Wang and Xiaolin Zheng and Kun Zhang},
journal= {arXiv preprint arXiv:1804.10795},
year = {2018}
}