CLiMF公司 swMATH ID: 33326 软件作者： Shi，Y。；卡拉佐格鲁，A。；巴尔特鲁纳斯，L。；Larson，M。；Oliver，N。；A.Hanjalic。 描述： CLiMF：学习如何通过协作式低is-more过滤最大化互惠排名。在本文中，我们解决了在二进制相关数据的场景中，当只有少数（k）项推荐给单个用户时的推荐问题。过去关于协作过滤（CF）的工作要么没有解决二进制相关数据集的排名问题，要么没有专门关注改进top-k建议。为了解决这个问题，我们提出了一种新的CF方法，即协作式Less-is-More过滤（CLiMF）。在CLiMF中，模型参数是通过直接最大化平均倒数秩（MRR）来学习的，MRR是衡量top-k推荐性能的著名信息检索指标。我们通过引入平滑倒数秩度量的下界来实现线性计算复杂性。在两个社交网络数据集上的实验证明了CLiMF的有效性和可扩展性，并表明CLiMF的性能显著优于原始基线和两种最先进的CF方法。 主页： https://dl.acm.org/doi/10.1145/2365952.2365981 相关软件： 特征秩；SibRank公司；护理；路径等级；WSRank公司；VSRank公司；极性等级；Folkommender公司 引用于： 3文件 全部的 前5名7位作者引用 2 萨曼哈拉提扎德 2 比塔·沙姆斯 1 刘忠强 1 牛、柯 1 牛振东 1 王凯毅 1 赵向玉 3篇连载文章中引用 1 物理A 1 信息科学 1 工程中的数学问题 在4个字段中引用 1 统计学（62-XX） 1 计算机科学（68至XX） 1 博弈论、经济学、金融学以及其他社会和行为科学（91-XX） 1 信息与通信理论、电路（94-XX） 按年份列出的引文