【RS】Factorization Meets the Neighborhood: a Multifaceted Collaborative Filtering Model - 当因式分解遇上邻域:多层面协同过滤模型
【论文标题】Factorization Meets the Neighborhood: a Multifaceted Collaborative Filtering Model (35th-ICML,PMLR)
【论文作者】Yehuda Koren
【论文链接】Paper (9-pages // Double column)
【摘要】
推荐系统为用户提供个性化的产品或服务建议。这些系统通常依赖于协同过滤(CF),通过分析过去的事务来建立用户和产品之间的关联。比较成功的CF方法有两种,一种是直接描述用户和产品的潜在因子模型,另一种是分析产品或用户之间相似性的邻域模型。在本文中,我们对这两种方法进行了一些创新。因子和邻域模型现在可以顺利合并,从而建立一个更准确的组合模型。通过扩展模型,利用用户的显式和隐式反馈,进一步提高了准确性。这些方法在Netflix数据上进行了测试。结果比以前在该数据集上发布的结果要好。此外,我们还提出了一个新的评估指标,它根据方法在top-K推荐任务中的表现来突出方法之间的差异。
posted on 2018-12-19 21:15 CuriousZero 阅读(362) 评论(0) 编辑 收藏 举报