一、基本信息
论文题目:《Factorization Meets the Neighborhood: a Multifaceted Collaborative Filtering Model 》
发表时间:KDD 2008
论文作者及单位:Yehuda Koren (AT&T Labs – Research)
论文地址:https://dl.acm.org/citation.cfm?id=1401944&preflayout=flat
二、摘要
推荐系统为用户提供个性化的产品或服务推荐。这些系统通常依赖于协同过滤(CF),通过对过去的事务分析,以便在用户和产品之间建立连接。两种比较成功的CF方法是潜在因素模型,它直接为用户和产品提供支持,以及邻域模型,它分析产品或用户之间的相似性。在本文的工作中,我们对这两种方法都进行了一些创新。因子和邻域模型现在可以平滑地合并,从而建立更精确的组合模型。通过扩展模型来利用用户的显式和隐式反馈,进一步提高了准确性。这些方法在netflix数据上进行了测试,结果比以前在该数据集中发布的结果要好。此外,我们还提出了一个新的评估指标,以便于根据方法在Top-K推荐任务中的表现评判方法之间的差异。
三、主要内容与工作
1、分析领域模型和隐因子模型各自的优缺点,然后提出了将两者结合起来的想法。邻域模型最有效地检测非常局部的关系。他们依赖一些明显的邻里关系,经常忽略用户的绝大多数评分。因此,这些方法无法捕获所有用