协作过滤器的概率集成

AAAIJun, 2018

Probabilistic Ensemble of Collaborative Filters

Zhiyu Min, Dahua Lin

TL;DR本文提出了一种集成式协同过滤算法，采用概率模型集成物品、用户以及其关联性来处理多样的数据，得到比 L2Boost 更优的实验结果。

Abstract

collaborative filtering is an important technique for recommendation. Whereas it has been repeatedly shown to be effective in previous work, its performance remains unsatisfactory in many real-world applications, especially those where the items or users are highly diverse. In this pap

collaborative filtering ensemble-based framework recommender probabilistic model diverse data

发现论文，激发创造

多领域协同过滤

本文介绍了多向领域协同过滤问题，通过概率矩阵分解模型不仅考虑了数据稀疏性问题，还能在不同领域自适应地传递知识，实验表明其在实际应用中的有效性。

Mar, 2012

协同过滤的序数玻尔兹曼机

本文研究和扩展了一种名为玻尔兹曼机的概率模型，以无缝整合相似性和共现模式，完成协同过滤任务，并提出了处理偏好序列的参数化选项，同时模拟了基于用户和基于项目的过程，并在中等和大规模电影推荐实验中表现出与现有方法相当的竞争力。

May, 2012

自适应谱图小波用于协作过滤

我们提出了一种基于谱图小波的协同过滤框架，用于隐式反馈数据的个性化推荐，通过将用户、物品及其交互表示为一个二分图，利用自适应转换函数和深度推荐模型，来学习用户和物品的低维表示，同时促进推荐质量。实验证明，相比基准方法，我们的模型在真实世界的基准数据集上取得了更好的推荐效果。

Dec, 2023

协同过滤预测算法的实证分析

该文章描述了几种算法来实现协同过滤或推荐系统，并使用不同的评估方法比较了它们的预测准确性。结果表明，在大多数情况下，每个节点具有决策树的贝叶斯网络和相关性方法优于贝叶斯聚类和向量相似度方法。

Jan, 2013

主动式协同过滤

本文讨论的是在线和交互式协作过滤中的查询问题，并提出了使用离线原型设计和计算期望信息价值的界来减小在线计算的开销，重点研究了多因素向量量化模型的案例。

Oct, 2012

神经协同过滤

本篇论文提出了一个使用基于神经网络的协同过滤技术解决推荐系统难题的框架，称为 “NCF”，包括采用多层感知器来学习用户与物品交互功能，实验表明该框架可以显著提高推荐效果。

Aug, 2017

推荐系统的协作深度学习

本研究提出了一种层次贝叶斯模型，名为 CDL，其通过深度表示学习和协作过滤来处理稀疏的推荐数据，并在三个真实世界数据集上验证了其有效性。

Sep, 2014

协同过滤赌博机

本文提出了一种自适应聚类技术，以探索 - 利用策略为基础，用于内容推荐系统中高动态性的推荐领域，该算法利用数据中的喜好模式，具有与协同过滤方法类似的优点，对中等规模的真实世界数据集进行了实证分析，表现出可扩展性和预测性能提高。

Feb, 2015

深度社交协同过滤

本文介绍了 DSCF，一种新型的深度社交协同过滤框架，通过利用社交关系的各个方面来解决推荐系统中存在的多种挑战，包括利用用户 - 项目交互和社交网络信息进行深度学习，使用邻居的信息并考虑特定推荐情况，以及了解邻居对项目的不同意见对用户的影响等，实验证明该框架的有效性。

Jul, 2019

面向隐私保护的联邦协作过滤个性化推荐系统

本文介绍了一个基于随机梯度方法的联邦协作过滤模型，并将其应用于用户推荐系统，旨在提高用户隐私保护，且实验表明，在联邦实现中，相较于标准实现而言，推荐系统的性能并未降低。

Jan, 2019