- 博客(6)
- 资源 (1)
- 收藏
- 关注
翻译 SVDFeature
引言基本知识基本矩阵分解模型融合邻居信息使用隐式反馈模型学习引言 KDD-Cup上使用的Yahoo!音乐数据进行推荐与利用Netflix电影数据进行推荐的区别: (1)数据集跨度超过6000天,与电影相比,用户的音乐偏好更多样化,更不可预测,因为音乐的选择更多。此外,流派和艺术家的流行度变化也更快。需要考虑到时间变化效应; (2)训练数据和测试数据都有日期信
2016-05-28 10:41:17 1896
翻译 TimeSVD++:动态协同过滤推荐算法
时间感知的隐因子模型隐因子模型时间变化的基准预测方法时间变化的隐因子模型动态邻域模型时间感知的隐因子模型隐因子模型 静态隐因子模型 r^ui=qTipu\hat{r}_{ui} = q_i^Tp_u 为了学习向量pup_u和qiq_i我们对下面的正则化平方差公式最小化: minq∗,p∗∑(u,i)∈K(rui−qTipu)2+λ(∥qi∥2+∥pu∥2)\min_{q_*,p
2016-05-26 17:49:59 6924 2
翻译 社交网络中基于张量分解的好友推荐
社交网络中基于张量分解的好友推荐摘要引言相关研究问题描述所提好友推荐方法实验验证结论摘要社交网络中快速增长的用户对现有好友推荐系统提出了挑战。本文我们用张量分解模型基于用户的标签行为信息提出了一种新的推荐框架,解决社交网络中的好友推荐问题。该研究有两个主要贡献:(1)提出了一种新的张量模型来刻画社会化标签系统中用户、用户兴趣和朋友之间的潜在关联;(2)基于上述模型提出了一种新的好友推
2016-05-11 00:08:12 5030
翻译 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BPRBPR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PITFTDCD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
2016-05-08 10:14:04 3289
翻译 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
2016-05-04 16:01:38 9430 3
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人