BPR
文章平均质量分 75
CalumChambers
这个作者很懒,什么都没留下…
展开
-
基于两两交互张量分解模型的个性化标签推荐
基于PITF的个性化标签推荐 摘要 引言 相关工作 个性化标签推荐 非个性化标签推荐 张量分解模型 成对交互模型 个性化标签推荐 形式化定义 数据分析 标签推荐的贝叶斯个性化排序BPR BPR最优化准则 BPR学习算法 张量分解模型 塔克分解模型TDTF 规范化分解模型CDTF 成对交互张量分解模型PITF TDCD和PITF之间的关系 实验评价 数据集 评价方法 实验结果 学习运行时间 预测质量翻译 2016-05-08 10:14:04 · 2826 阅读 · 0 评论 -
BPR:面向隐偏好数据的贝叶斯个性化排序学习模型
BPR面向隐式反馈数据的贝叶斯个性化排序 摘要 引言 相关研究 个性化排序 形式化定义 问题分析 BPR贝叶斯个性化排序 BPR最优化准则 AUC最优化类比 BPR学习算法 基于BPR的学习模型 矩阵分解 自适应k近邻 BPR与其它方法的关系 加权正则化矩阵分解WR-MF 最大边缘矩阵分解MMMF 实验评价 数据集 评价方法 实验结果和讨论 非个性化排序 结论BPR:面向隐式反馈数据的贝叶斯个性化排翻译 2016-05-04 16:01:38 · 8972 阅读 · 3 评论 -
推荐评价指标之AUC
定义AUC的英文名称为Area under the ROC curve,即为ROC曲线下的面积。ROC曲线一般被用来评价某种分类器的分类效果。Steffen Rendle在他的经典文章BPR1中就利用AUC来评价BPR算法的预测效果。公式 在BPR文章的评价方法中,作者使用了留一法(Leave one out)评价方法:即对每个用户,从他的评分记录中随机抽取一个评分记录放入测试集,剩下的评分记录作为原创 2016-06-04 11:39:34 · 3084 阅读 · 1 评论 -
融合用户或产品属性的BPR模型
背景介绍 问题分析 预备知识 属性到隐特征的映射 kNN映射kNN-BPR 线性映射lin-BPR 背景介绍 BPR模型是Steffen Rendle提出的一种面向隐反馈偏好数据的排序模型,该排序模型较好地对用户的正负向反馈进行建模,且可以与传统的协同过滤模型如矩阵分解模型进行结合即BPR-MF,本文介绍如何在BPR-MF模型中融合用户或者产品属性,融合用户或者原创 2016-06-17 17:20:58 · 1650 阅读 · 1 评论 -
利用社交关系提升个性化排序效果
Leveraging Social Connections to Improve Personalized Ranking for Collaborative Filtering 文章主要思想介绍 模型假设 模型推导 问题定义Leveraging Social Connections to Improve Personalized Ranking for Collaborative Filterin原创 2016-10-09 10:49:09 · 849 阅读 · 0 评论 -
GBPR: Group Preference Based Bayesian Personalized Ranking for One-Class Collaborative Filtering
摘要 解决方案 Group Bayesian Personalized Ranking 摘要在BPR方法中有两个基本假设可能不总是成立的:(1)两个用户之间彼此独立(2)对个体而言,两个产品的成对偏好。基于此这篇文章提出一种新的改进的假设:引入用户之间丰富的交互作用,所提方法为group Bayesian personalized ranking (GBPR)。作者引入了“群偏好”的概念,来放松之前原创 2016-11-13 14:00:09 · 1142 阅读 · 0 评论