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