利用品味群组进行协同过滤
信息检索
2018-08-30 v1 机器学习
机器学习
摘要
隐式反馈是可被用于物品推荐的最简单的用户反馈形式。它易于收集且与领域无关。然而，其缺乏负例。现有工作通过针对未消费物品做出各种假设来规避此问题，当用户因不知晓某物品而未消费它时，这些假设便不成立。在本文中，我们提出一种应对隐式反馈中负例缺失的新方法。其动机在于，若一大群用户共享相同品味且其中无人消费某物品，则该物品极有可能与此品味无关。我们使用层次隐树分析(HLTA)来识别基于品味的用户群组，并依据用户在各群组中的归属为其进行推荐。
引用
@article{arxiv.1808.09785,
title = {Using Taste Groups for Collaborative Filtering},
author = {Farhan Khawar and Nevin L. Zhang},
journal= {arXiv preprint arXiv:1808.09785},
year = {2018}
}
备注
RecSys 2018 LBRS. arXiv admin note: substantial text overlap with arXiv:1704.01889