zoukankan      html  css  js  c++  java
  • 利用朋友关系和组员关系改进推荐系统

    看了两篇关于社会化推荐的文章

    1:Factorization vs . Regularization: Fusing  Heterogeneous Social Relationships in Top-N Recommendation. RecSys'11

    2:Heterogeneous Data Fusion via Matrix Factorization for Augmenting Item, Group and Friend Recommendations. SAC'13

    3:Recommending Interest Groups  to Social Media Users by  Incorporating  Heterogeneous Resources. IEA'13

    第二、三篇文章是第一篇文章的扩展,第三篇只是实验部分多了豆瓣数据集

    在第一篇文章中,作者探讨朋友关系和组员关系的不同,以及如何利用他们改进item的推荐,使用了last.fm的数据集。朋友关系是一元关系(只有用户)而组员关系是二元关系(用户和组)。

    算法基于Matrix Factorization,作者通过实验发现朋友关系在MF模型中更适合用regularization, 而组员关系更适合用factorization。也就是说朋友关系用来做约束使得用户latent factor更接近于朋友的latent factor,而组员关系用collective matrix factorization。作者还发现组员关系对item recommendation的效果提高要比朋友关系要好。

    在第二篇文章中,作者对item、friend、group都做了推荐。

  • 相关阅读:
    mtk lk阶段的lcm流程
    MTK touchscreen 流程
    MTK DDR调试
    增加,删除GMS包
    最大最小背光亮度修改
    HDMI 8193 配置
    mtk6737t摄像头配置文件的编译
    camera调试命令
    Linux 终端显示 Git 当前所在分支
    ubuntu系统,关于源(source)的配置
  • 原文地址:https://www.cnblogs.com/startover/p/3244978.html
Copyright © 2011-2022 走看看