-
题名推荐系统中谁可以协同新用户?
被引量：1
- 1
-
-
作者
张莉
余磊
-
机构
对外经济贸易大学信息学院
-
出处
《计算机科学》
CSCD
北大核心
2015年第B11期80-82,共3页
-
基金
国家社科基金项目(13BTQ027)资助
-
文摘
协同过滤作为被成功应用于推荐系统的技术之一,得到了各领域学者的关注。然而随着网络平台新用户和项目的不断增加,协同推荐面临严重的"冷启动"问题的挑战。首先基于用户流行度和长尾分布建立用户推荐能力的度量方法,然后利用用户推荐能力筛选出一个用于推荐的全局核心用户子集,来解决推荐系统的"冷启动"问题。实验结果显示,将构建的全局核心用户集合用于协同推荐,在不降低推荐效果的基础上,可显著降低寻找相似用户的时间复杂度,因而可以将其用于解决推荐实时性问题。
-
关键词
协同过滤
核心用户
长尾分布
用户流行度
-
Keywords
Collaborative filtering, Core users, Long-tailed distribution, User popularity
-
分类号
G203
[文化科学—传播学]
-
-
题名基于改进的倾向得分估计的无偏推荐模型
被引量：5
- 2
-
-
作者
骆锦潍
刘杜钢
潘微科
明仲
-
机构
大数据系统计算技术国家工程实验室(深圳大学)
人工智能与数字经济广东省实验室(深圳)(深圳大学)
深圳大学计算机与软件学院
-
出处
《计算机应用》
CSCD
北大核心
2021年第12期3508-3514,共7页
-
基金
国家自然科学基金重点项目(61836005)
国家自然科学基金面上项目(61872249)。
-
文摘
现实中推荐系统通常遭受着各种各样的偏置问题,例如曝光偏置、位置偏置和选择偏置。一个忽略偏置问题的推荐模型不能反映推荐系统的真实性能,且对于用户而言可能是不可信任的。先前的工作已经表明基于倾向得分估计的推荐模型能够有效缓解隐式反馈数据的曝光偏置,但是通常只考虑通过物品信息来估计倾向得分,这可能导致倾向得分估计不准确。为了提高倾向得分估计的准确性,提出配对倾向得分估计(MPE)方法。具体来说,该方法引入了用户流行度偏好的概念,通过计算用户流行度偏好和物品流行度的配对程度来对样本曝光率进行更加精确的建模,最后将提出的估计方法和一个主流的传统推荐模型以及一个无偏推荐模型进行集成并和包括前两者的三个基线模型进行对比。在公开数据集上的实验结果表明,结合MPE方法后的模型分别相比对应的基线模型在召回率、折损累计增益(DCG)和平均准确率(MAP)这三个评估指标上均有显著的提升;此外,通过实验结果还观察到性能的增益有很大一部分来自长尾物品,可见所提方法有助于提升推荐物品的多样性与覆盖率。
-
关键词
推荐系统
隐式反馈
曝光偏置
倾向得分估计
矩阵分解
长尾物品
用户流行度偏好
-
Keywords
recommender system
implicit feedback
exposure bias
propensity score estimation
matrix factorization
long-tail item
users’popularity preference
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
