Google News Personalization：Scalable Online Collaborative Filtering

Abstract

这篇论文介绍了google news推荐系统的实现。在用户量很大的前提下，原有的推荐算法适用性较差，需要对其进行改进，例如使用mapreduce，bigtable等技术提高运算速度，综合考虑多种推荐算法等等。

google news的特点

处理google news的一些难点

• scalability:google news访客较多，新闻数据也较多
• item churn:物品(新闻)会动态变化，模型需要不断重建，这是一个非常费时的任务，对于google news来说，每分钟都会产生很多新闻，模型超过一段时间后效果会变差

google news的一些假设

这里假设用户点击某一条新闻即表示对该新闻感兴趣，之所以可以这样假设，因为google news前端页面已经显示了文章的摘要，用户能够了解这篇文章的大概信息，如果点击该新闻即可证明对此新闻感兴趣。

问题表述

对于N个用户，u={u1,u2,...uN}和M个物品(文章)S={s1,s2...sm}，给定一个用户的浏览记录集合Cu，{s1,s2...si|cu|}，推荐K个用户感兴趣的文章。 同时要求服务器的响应时间要短，服务器要做的事情如下：对新闻聚类；针对HTTP请求返回HTML内容；推荐系统产生推荐列表

相关工作

基于内存的算法

根据用户过去的评价进行推荐，为此需要计算用户之间的相关性，w(ui,uj)矩阵衡量的就是任意两个用户的联系性，对于一个用户u_a，他对于文章s_k的评分如下： $r_{u_a,s_k} = \sum_{i\neqa} I_{(u_i, s_k)}w(u_a, u_i)$

I(ui,sk)为1表明用户u_i点击过s_k。当计算得到的评分超过一定阈值后就可以假定用户u_a喜欢文章s_k。但是这个方法最大的问题就是可拓展性较差，由于所有数据要放入内存，当数据量较大值无法使用此方法。

基于模型的算法

此方法依据用户之前的评分为该用户建立模型，使用模型预测那些未被评价过的物品（协同过滤就是这种方法）。这种方法的缺陷是把每一个用户划分到一个指定的类别中，实际情况是用户对于不同的主题可能有不同的喜好，无法划分到一个指定的类别。

模型

本文中涉及的模型是一个混合模型，将上述两种模型进行线性加权结合。 I(u_i,s_k) is 1 if the user u_i clicked on the story s_k and 0 otherwise.话说将来可以使用SVM算法学习不同algorithm之间的比重。

MinHash

PLSI

PLSI was introduced in [3], where Hofmann developed probabilistic latent semantic models for performing collaborative filtering.The relationship between users and items is learned by