苏赫里德·巴拉克利什南;乔普拉,苏米特 两个同类游戏还是收视率游戏?自适应成对偏好和潜在因素模型。 (英语) Zbl 1251.68236号 前面。计算。科学。 6,第2期,197-208(2012). 摘要:潜在因素模型已经成为大量推荐系统的主力。虽然这些系统是使用评级数据构建的,通常假设评级数据是静态的,但整合不同类型的后续用户反馈的能力是一项重要资产。例如,用户可能希望向系统提供更多信息,以改进其个人建议。为此,我们研究了一种从这种反馈中高效学习(或优化)用户参数的新方案。我们提出了一种方案,其中向用户提出一系列成对偏好问题:“你喜欢项目(a)还是喜欢项目(B)?”用户参数根据他们的回答进行更新,并在合并反馈后自适应选择后续问题。我们在贝叶斯框架中操作,问题的选择基于信息增益标准。我们在Netflix电影收视率数据集和专有电视收视率数据集上验证了该方案。用户研究和自动化实验验证了我们的发现。 引用于2文件 MSC公司: 68层35 人工智能语言和软件系统理论(基于知识的系统、专家系统等) 68单位35 信息系统的计算方法(超文本导航、接口、决策支持等) 68T05型 人工智能中的学习和自适应系统 关键词:推荐系统;潜在因素模型;成对首选项;主动学习 软件:特鲁斯吉尔 PDF格式BibTeX公司 XML格式引用 \textit{S.Balakrishnan}和\textit{S.Chopra},前面。计算。科学。6,第2号,197--208(2012;Zbl 1251.68236) 全文: 内政部