利用程序合成进行社交推荐
机器学习
2012-08-15 v1 数据库
编程语言
社会与信息网络
物理与社会
摘要
本文提出了一种新方法，用于在社交媒体环境中选择用户感兴趣的事件，这些事件由用户朋友通过其移动设备的活动生成。我们认为，鉴于社交媒体环境的独特要求，该问题最好被视为一个归纳学习问题，其目标是首先从用户对特定事件表达的“喜欢”和“不喜欢”中进行泛化，然后生成一个可由系统操作并分发到收集设备以仅收集感兴趣数据的程序。本文的关键贡献是一种新算法，它将现有的机器学习技术与新的程序合成技术相结合，以学习用户的偏好。我们表明，与更标准的方法相比，我们的新算法在模型训练时间上可减少多达一个数量级，并且对于我们的目标应用具有显著更高的预测精度。该方法还优于标准机器学习技术，因为它生成清晰的程序，可以对其进行操作以优化数据收集和过滤。
引用
@article{arxiv.1208.2925,
title = {Using Program Synthesis for Social Recommendations},
author = {Alvin Cheung and Armando Solar-Lezama and Samuel Madden},
journal= {arXiv preprint arXiv:1208.2925},
year = {2012}
}