我正在阅读 CF 中的一些论文，注意到大多数最先进的方法仅基于评级矩阵上的不同分解方法。我想知道是否有一些将内容信息(例如用户特征和项目特征)组合到分解中的代表性作品。有什么想法吗？
最佳答案
我是推荐系统领域的研究员，并为此做了一些工作。以下是有关该主题的一些论文:
- Aditya Krishna Menon、Charles Elkan:具有二元预测潜在特征的对数线性模型，ICDM 2010
- David Stern、Ralf Herbrich 和 Thore Graepel:《火柴盒:大规模贝叶斯建议》，WWW 2009
- Chong Wang、David Blei:用于推荐科学文章的协作主题建模，KDD 2011
- Zeno Gantner、Lucas Drumond、Christoph Freudenthaler、Steffen Rendle、Lars Schmidt-Thieme:学习冷启动建议的属性到特征映射，ICDM 2010
- D.阿加瓦尔和 B.-C.陈。基于回归的潜在因素模型，KDD 2009
- D.阿加瓦尔和 B.-C.陈。 fLDA:通过潜在狄利克雷分配进行矩阵分解，WSDM 2010
请注意，(4)是我的一篇论文，所以这也是某种广告;-)
此外，KDD Cup 2011 涉及项目分类法，并且在研讨会上进行了一些将此类分类信息与潜在因素模型相结合的有趣工作:http://kddcup.yahoo.com/workshop.php
关于recommendation-engine - 将内容信息与基于分解的协同过滤相集成，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/8408517/