Aug, 2018

光谱协同过滤

PDF
TL;DR本研究提出了一种利用谱域进行深度协同过滤的新模型 - Spectral Collaborative Filtering (SpectralCF)，能够在用户 - 物品二部图的谱域中直接进行学习，发挥图中的信息优势，解决协同过滤中的 “冷启动” 问题，并在多个标准数据集上明显优于现有模型。
collaborative filteringrecommender systemsspectral convolution operationcold-start problemuser-item bipartite graphs
发现论文，激发创造
  • 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

  • 纯谱图嵌入：重新解释图卷积，用于 Top-N 推荐

    本文探讨了使用图卷积在协作过滤领域中的优势，并介绍了利用特征向量进行推荐的方法，从而避免了传统梯度下降训练过程。在三个真实世界数据集上获得更高的性能。

    May, 2023

  • 基于邻域特征映射的冷启动用户跨领域推荐

    本文提出了一种名为 CDLFM 的模型，使用相似性度量和邻域梯度提升树方法，解决了跨领域协作式过滤（CDCF）中冷启动用户的问题，并通过实验证明了其在两个真实数据集上的优越性。

    Mar, 2018

  • 一种新的协同过滤方法：具有谱正则化的算子估计

    这篇论文使用谱规则化的线性算子来协同过滤，通过低秩矩阵分解的方式提供一种新的估计方法，并测试了在标准 CF 数据集上的学习算法，最后将其推广为多任务学习的特例。

    Feb, 2008

  • 基于 Jacobi 多项式的用户 - 物品图信号处理的图协同过滤算法

    基于谱变换的方法提出设计 JGCF, 该方法有效地处理稀疏数据集与冷启动用户，并在四个公共数据集上实验表明其在阿里巴巴 - iFashion 等数据集中的性能最高可带来 27.06% 的性能提升

    Jun, 2023

  • 协同过滤推荐系统中基于最优设计的预算限制冷启动处理

    本研究通过解决冷启动问题来建立协同过滤（CF）的推荐系统，并通过将优化问题形式化为寻找内容不可用的新项目的最优用户评级的任务来研究是否可以仅使用 CF 技术来缓解此问题。我们提出了单调超模函数的目标函数，并提出一种基于高效最优设计的算法来找到逼近其最优解的解。最后，我们使用 Netflix 数据集对我们的算法进行经验证实，证明其性能超过了该问题的多个基准。

    Jun, 2014

  • 跨领域推荐的选择性迁移学习

    该研究论文提出一种基于经验预测误差和方差的新标准，用于更好地捕捉协同过滤设置中跨领域的一致性，从而在提高评分预测精度方面显著改进了几项最先进的方法。

    Oct, 2012

  • 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

  • 对分区感知商品相似性进行微调，实现高效和可扩展的推荐

    本研究探讨了建议系统中协同过滤、图卷积网络、物品相似性模型、图采样策略和图分区等方面，并提出了一种使用新的数据增强策略的新型物品相似性模型以提高效率。实验结果表明，该模型在性能上优于现有的 GCN 模型和物品相似性模型。

    Jul, 2022

  • 基于 Wasserstein 协同过滤的物品冷启动推荐

    本文研究使用 Wasserstein 距离解决冷启动问题，在给定项目内容信息的情况下计算交互项目与冷启动项目之间的相似度，并进一步采用 Wasserstein 协同过滤（WCF）改善推荐性能。

    Sep, 2019