Transfer Meets Hybrid: 跨领域文本协同过滤的合成方法

WWWJan, 2019

Transfer Meets Hybrid: 跨领域文本协同过滤的合成方法

Transfer Meets Hybrid: A Synthetic Approach for Cross-Domain Collaborative Filtering with Text

Guangneng Hu, Yu Zhang, Qiang Yang

TL;DR该论文介绍了一种使用神经模型实现跨领域推荐的方法，该方法结合协同过滤、混合过滤和迁移学习等技术。该方法使用记忆模块和转移网络从非结构化文本中提取有用内容并选择性地转移知识，实现了端到端的处理，并在实际数据集上取得了更好的推荐效果。

Abstract

collaborative filtering (CF) is the key technique for recommender systems (RSs). CF exploits user-item behavior interactions (e.g., clicks) only and hence suffers from the data sparsity issue. One research thread

collaborative filtering recommender systems hybrid filtering transfer learning neural model

发现论文，激发创造

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

基于上下文不变量的迁移学习用于一对多跨领域推荐

文中介绍了一种基于神经层的跨领域推荐系统学习方法，使用共享组件来指导神经协同过滤器，通过学习稀疏交互数据中的用户和项目表示来实现推荐功能。

May, 2020

融合主题和社交潜在因素的协同过滤算法在隐式反馈中的应用

本文以 user-generated content 为基础，提出了一种新的模型 MR3，将 collaborative filtering、social matrix factorization 和 topic matrix factorization 综合起来，加入了 implicit feedback 从而提高了其预测精度。

Mar, 2018

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

综合评分、社交关系和评论的综合推荐方法

本文旨在探讨如何通过数据融合来提高评分预测的准确性，通过扩展 Social MF 模型以及提出新的 MR3 框架，即通过整合邻居关系、评分和隐藏主题等三种信息来创造新的推荐系统，提高了推荐系统的准确性。本文通过两个真实世界数据集的评测衡量了每种数据来源对所提出框架的贡献。

Jan, 2016

基于分布式表示的混合推荐系统与短物品描述

本文提出了一种基于文本向量表示的协作过滤算法，用于在获取商品评分困难的情况下进行推荐，并与现有的算法进行了对比验证其有效性。

Mar, 2017

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。