GBPR: Group Preference Based Bayesian Personalized Ranking for One-Class Collaborative Filtering-IJACA 2013_20160421

1、Information

publication：IJACA 2013

2、What

基于BPR模型的改进：改变BPR模型中，a,用户对商品喜好偏序对之间相互独立;b,用户之间相互独立的假设

原因：用户u 对商品j的偏好可能比商品i更多，虽然用户购买了i而没有购买j, 用户之间具有相似性。

3、Dataset

movielens, usertag, netflix

4、How

input: 

Ds(u,i,j):用户购买商品偏序关系对的集合,以及都买了商品i的用户集合。

output:

GBPR模型参数.

本文中只使用了MF模型

MF: X=WH'.输出为W,H，以及正则项的参数

method：随机选取购买了item i 的group,根据(G,i)>(u,i)>(u,j),随机梯度下降的方法训练模型。

5、Evaluation:p,R, F1,NDCG,1-CALL,AUC

baseline:POPRank, BPR

6、Conclusion

论文贡献：改进模型，提高实验效果。