基于特征的矩陣分解模型.pdf

1、因?yàn)榛ヂ?lián)網(wǎng)信息的大量增長,根據(jù)用戶潛在興趣來進(jìn)行自動(dòng)推薦的推薦系統(tǒng)在工業(yè)界和學(xué)術(shù)界都變得越來越重要。協(xié)同過濾算法是最有效的推薦系統(tǒng)技術(shù)之一。在很多現(xiàn)實(shí)應(yīng)用場(chǎng)景中,我們可以獲得除了用戶打分信息之外的其它許多輔助信息。如何利用已有的輔助信息來幫助更準(zhǔn)確的模型預(yù)測(cè)成為了協(xié)同過濾里面一個(gè)非常重要的問題。
　　在本文中,我們引入了基于特征的矩陣分解模型來解決利用輔助信息的協(xié)同過濾問題?；谔卣鞯哪Ｐ褪沟梦覀兛梢曰谠摽蚣芤肴鐣r(shí)間信息,近鄰

2、信息和層次信息等各種輔助信息進(jìn)行建模。我們實(shí)現(xiàn)了一個(gè)高效的工具來進(jìn)行大規(guī)模用戶打分預(yù)測(cè)和排序預(yù)測(cè)的模型求解?；谔岢龅目蚣?我們?cè)赮ahoo音樂數(shù)據(jù)集上進(jìn)行了具體的輔助信息建模,采用了時(shí)間,層次信息和近鄰信息。我們的實(shí)驗(yàn)表明我們提出的方法可以在該數(shù)據(jù)集上取得單模型最好的效果。
　　我們還進(jìn)一步研究了特征的自動(dòng)學(xué)習(xí)的問題。我們提出函數(shù)式矩陣分解的算法來解決特征的自動(dòng)學(xué)習(xí)。函數(shù)式矩陣分解以函數(shù)作為分解參數(shù),已有的很多分解模型都是它的特