利用离线指标与用户行为分析融合多系统实现音乐推荐
信息检索
2019-01-09 v1
摘要
有许多离线指标可用作推荐系统性能评估与优化的参考。混合推荐方法通常通过组合不同系统来改进其中部分指标。本文关注音乐推荐，提出一种新方法：基于各系统对每位用户的预期表现，为其单独融合多个系统，从而针对所选期望指标改进推荐。本质上，我们的方法基于用户先前活动，预测每个系统对每位用户将产生的预期误差。为此，我们提出针对不同的指标训练回归模型，基于刻画用户在系统中既往行为的若干特征来预测各系统的表现。随后采用不同的融合策略组合各系统生成的推荐。遵循该方法，可针对所选期望指标优化最终混合系统。作为概念验证，我们结合了两个推荐系统（一个矩阵分解模型与一个基于流行度的推荐器）进行实验，并使用韩国音乐流媒体服务Melon提供的数据来训练与评估系统性能。
引用
@article{arxiv.1901.02296,
title = {Using offline metrics and user behavior analysis to combine multiple systems for music recommendation},
author = {Andres Ferraro and Dmitry Bogdanov and Kyumin Choi and Xavier Serra},
journal= {arXiv preprint arXiv:1901.02296},
year = {2019}
}