论文：Splitting Approaches for Context-Aware Recommendation:An Empirical Study 总结

 

论文标题：Splitting Approaches for Context-Aware Recommendation:An Empirical Study

论文出处（会议或期刊）：SAC’14

论文时间：2014

 

一、 摘要（翻译论文的摘要）

       用户和项目分类对于上下文推荐系统来就是很常用的方法。执行项目分类方法时，一个已评分的项目在不同的上下文生成多份复制品。用户分类方法执行基于相似的方法。UI splitting是一个结合用户与项目分类的方法，分类用户与项目以提高上下文推荐系统的性能。在这篇论文中，我们针对上述三个方法（CASA）在多个数据集进行实验，而且我们还将它们与其它流行的上下文协同过滤算法（CACF）作比较。为评价这些方法，我们提出一个新的评估指标。实验显示，CASA表现比其它流行的CACF算法更好，但是没有哪一个分类方法显示是最好的。然而