这篇论文比较短,正如题目所说,主要还是简单地介绍了一下推荐系统的一些算法以及评估的方法。

推荐系统之前是基于关键字信息的过滤系统,后来发展成为协同过滤系统,解决了两个问题:1、通过人工审核去评价那些具有大量关键字的文档;2、基于人们的品味去过滤一些非文本文件,如音乐。

之后,推荐系统研究领域出现了分叉。一方面,关注实际问题中的商业价值;另一方面,一些机器学习者应用大量技术在推荐系统。

正是这种分叉,推动了推荐系统的发展,许多推荐系统的研究者们都意识到了忽略了两个关键点:

1.在不同类型的推荐系统下,提供一种单一的推荐;

2.从广义上去评估推荐系统,鼓励研究者能够从不同的方面去创造出可比较的结果;

这个领域的一些较为著名的论文:

Herlocker的论文:如何正确地去评价新的推荐算法和推荐系统。

1.是否值得花时间去研究推荐算法;

2.是否所有的算法都同样地好;

针对以上两个问题:

1.通过评估实验得出:并不是所有的度量得出的推荐结果都相同,而且度量的正确分组很可能会影响到推荐的准确度;

2.根据用户目的,评价出哪个预测方案,最直接地反映了关于一个具有特定目的推荐系统的适用性。

Middleton的论文:用户实体的个人资料非常有利于基于内容的技术应用在推荐系统中。

Middleton的论文出名的三个原因:

1.它展示了一种能够推广到其他领域(如存在一个实体,且推荐系统能有效地引导用户兴趣空间);

2.它展示了一个实际存在的外部实体如何在推荐系统中处理冷启动问题(如纯粹基于系统过滤的推荐系统无法提供太多的价值给他们早期的客户,事实上,在新用户填入他们的个人资料之前,推荐系统也无法提供太多有价值的推荐);

3.这项工作需要对推荐系统中个体资料的有效性进行非常细致的业务评估。

Hoffman的论文:在潜在语义模型中,一种基于模型的协同过滤算法,其中利用了潜在概率语义分析和最大期望值算法来构建一个简洁而又精确的降维模型。这个模型背后潜意识地假定了用户的偏好作为一种向量的权重分布在一些潜在的因素上。此外,他们的实验还表明了他们的算法是十分精确的,而且时间复杂度也低。

Huang的论文:采用一种不同的方法去处理推荐系统中稀疏性的问题——关联检索(associate retrieval)。

利用中国在线图书馆的数据,他们探索一个扩散激活算法(spreading-activation)如何能够提高推荐系统关于帮助用户挖掘传递关联的质量。如果两个用户都阅读或喜爱相似的书籍,但不是同一本,那么他们之间的关联就会丢失。而Huang的论文里面就展示了利用一种扩散激活的算法能够帮助推荐系统,尤其是新用户给出恰当的推荐。

Deshpande & Karypi的论文:基于条目的推荐系统,用于解决推荐榜单的topN问题,而不是针对所有。

他们的论文展示了在促销团购的活动,物品条目之间或物品集之间的相似度,以此提供有效的推荐。此外,为了评估这两种关键技术,论文非常有效地利用了多种数据集对结果进行了验证。

【推荐系统论文笔记】Introduction To Recommender Systems: Algorithms and Evaluation的更多相关文章

  1. 【原】Coursera—Andrew Ng机器学习—课程笔记 Lecture 16—Recommender Systems 推荐系统

    Lecture 16 Recommender Systems 推荐系统 16.1 问题形式化 Problem Formulation 在机器学习领域,对于一些问题存在一些算法, 能试图自动地替你学习到 ...

  2. 论文笔记: Matrix Factorization Techniques For Recommender Systems

    Recommender system strategies 通过例子简单介绍了一下 collaborative filtering 以及latent model,这两个方法在之前的博客里面介绍过,不累 ...

  3. 论文笔记: Deep Learning based Recommender System: A Survey and New Perspectives

    (聊两句,突然记起来以前一个学长说的看论文要能够把论文的亮点挖掘出来,合理的进行概括23333) 传统的推荐系统方法获取的user-item关系并不能获取其中非线性以及非平凡的信息,获取非线性以及非平 ...

  4. 【RS】Matrix Factorization Techniques for Recommender Systems - 推荐系统的矩阵分解技术

    [论文标题]Matrix Factorization Techniques for Recommender Systems(2009,Published by the IEEE Computer So ...

  5. 【RS】Improving Implicit Recommender Systems with View Data - 使用浏览数据提升隐式推荐系统

    [论文标题]Improving Implicit Recommender Systems with View Data(IJCAI 18) [论文作者]Jingtao Ding  , Guanghui ...

  6. 【RS】Wide & Deep Learning for Recommender Systems - 广泛和深度学习的推荐系统

    [论文标题]Wide & Deep Learning for Recommender Systems (DLRS'16) [论文作者] Heng-Tze Cheng, Levent Koc, ...

  7. [C11] 推荐系统(Recommender Systems)

    推荐系统(Recommender Systems) 问题阐述(Problem Formulation) 将 推荐系统 纳入这门课程来讲有以下两个原因: 第一.仅仅因为它是机器学习中的一个重要的应用.在 ...

  8. 【论文笔记】用反事实推断方法缓解标题党内容对推荐系统的影响 Click can be Cheating: Counterfactual Recommendation for Mitigating Clickbait Issue

    Click can be Cheating: Counterfactual Recommendation for Mitigating Clickbait Issue Authors: 王文杰,冯福利 ...

  9. Recommender Systems中Yehuda Koren 和 Ma Hao的paper

    以前读了Yehuda Koren和Ma Hao的论文,感觉非常不错,这里分享一下.如果想着具体了解他们近期发的论文,可以去DBLP去看看. Yehuda Koren也是Netflix Prize的冠军 ...

随机推荐

  1. Swing文本域的编辑

    1..setEditable(false); 设置文本域不可编辑 2..setHorizontalAlignment(JTextField.CENTER); // 设置文本的水平对齐方式 有效值包括: ...

  2. (原)SDL调试心得

    今天在项目中用到SDL2.0的库做视频显示用,在其中出现不少问题,这里一一记录下来,并作为以后的参考. 同一个窗口句柄在多次使用SDL_CreateWindowFrom和SDL_DestroyWind ...

  3. Android 4.4从图库选择图片,获取图片路径并裁剪

    转至 http://blog.csdn.net/tempersitu/article/details/20557383 最近在做一个从图库选择图片或拍照,然后裁剪的功能.本来是没问题的,一直在用 In ...

  4. 下载android源码

    http://source.android.com Step 1.按照http://source.android.com/source/initializing.html配置好android编译环境 ...

  5. spring mvc实现自定义注解

    实现方式:使用@Aspect实现: 1. 新建注解接口:CheckSign package com.soeasy.web.utils; import org.springframework.core. ...

  6. Nginx安装 默认虚拟主机 Nginx用户认证 Nginx域名重定向

    Nginx安装 cd /usr/local/src (http://nginx.org/en/download.html) wget http://nginx.org/download/nginx-1 ...

  7. KSImageNamed项目图片智能提示

    下载地址:https://github.com/ksuther/KSImageNamed-Xcode PS:如果在插件未更新到支持Xcode 6.3.2的情况下,要在Xcode 6.3.2中使用,需要 ...

  8. Java学习之——JavaBeans

    1.什么是JavaBeans? JavaBeans是Java语言中可以重复使用的软件组件,它们是一种特殊的Java类,将很多的对象封装到了一个对象(bean)中.特点是 可序列化, 提供无参构造器, ...

  9. 小程序实现textarea随输入的文字行数变化高度自动增加

    参考链接:https://blog.csdn.net/liuwengai/article/details/78987957 该实现方法是根据上面的链接改编为小程序的实现,代码如下: wxml: < ...

  10. 8 云计算系列之Horizon的安装与虚拟机创建流程

    preface 在上一章节中,我们可以在无web管理界面上创建并启动虚拟机,虽然可以这么做,但是敲命令太繁琐,所以此时我们可以安装openstack web管理界面,通过web界面的图形化操作open ...