|
|||||
|
|
| 基于“少数派报告”的协同过滤模型 | |
| 作者姓名： | 黄晓宇 鲜征征 杨雄文 左文明 |
| 作者单位： | 1.华南理工大学电子商务系;2.人工智能与数字经济广东省实验室(广州);3.广东金融学院互联网金融与信息工程学院;4.华南理工大学法学院 |
| 基金项目： | 广东省哲学社会科学规划项目（GD21CGL02）;人工智能与数字经济广东省实验室（广州）青年学者项目（PZL2021KF0027）;广东省自然科学基金项目（2020A1515010830）;华南理工大学中央高校基本科研业务费项目（XYMS202107）;广东省普通高校人文社会科学研究重点项目（2018WZDXM032）;广州市科技计划项目（202002030473）;广东省普通高校创新团队项目（2021KCXTD079）; |
| 摘 要： | 协同过滤是在线推荐系统最重要的组成模块之一,为实现面向用户的个性化广告投放功能提供了关键的技术支持。然而,在协同过滤系统的具体实现中,研究者却不加区分地对所有目标用户都使用相同的训练流程。较之“个性化的预测结果”的预期,上述“一般化的训练过程”使得结果模型相对于待预测的目标过于普适,缺乏必要的针对性。本文提出一个“以个性化的训练过程得到个性化的预测结果”的协同过滤预测模型（MORE）：对给定的目标用户,MORE将使用弹性网络模型（Elastic Net）,从现有的用户全集中选出若干用户构成与之对应的“专家”集合,并基于目标用户与专家已有的评分,生成对目标用户的缺失评分的预测。本文报告了MORE在不同的协同过滤预测模型上的应用结果,在真实评分数据集上的实验结果表明,较之使用全量数据训练得到的预测模型,基于MORE的模型有更好的表现。 |
| 关 键 词： | 协同过滤 稀疏选择 个性化 推荐系统 |