![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
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翻译 2016-05-08 10:14:04 · 3285 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 · 9426 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 · 3190 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 · 1738 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 · 976 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 · 1216 阅读 · 0 评论