×

一种新的系统范围的多样性度量,用于使用高效算法进行推荐。 (英语) Zbl 1499.05586号

摘要:推荐系统通常使用按流派和用户基础分类的商品目录,这些类别和用户基础通过人口统计或心理属性自然地分类为用户类型。以前关于系统范围多样性的工作主要集中在定义此类类别之间的意向软件度量,并最大限度地提高所产生建议的相关性,但这项工作没有从项目和用户两个角度结合多样性的概念。在这项工作中,我们做了以下工作:(1)我们引入了两个新的系统范围的多样性度量,以同时解决分散每个用户看到的项目类别、分散每个项目显示的用户类型以及保持高推荐质量的问题。我们将其建模为用户和项目之间候选推荐的二部图上的子图选择问题。(2) 在商品类别和用户类型不相交的情况下,我们证明了通过将问题简化为最小费用流问题,可以在多项式时间内精确地解决所产生的问题。(3) 在非分离类别和用户类型的情况下,我们证明了目标的NP-完全性,并利用目标的子模给出了有效的近似算法。(4) 最后,我们在MovieLens-1m数据集上验证了我们的算法的有效性,并表明为我们的目标设计的算法在销售多样性指标甚至某些意向软件多样性指标上也表现良好。我们的实验结果证明了我们新的复合分集度量的有效性。

MSC公司:

05C82号 小世界图形、复杂网络(图形理论方面)
05C85号 图形算法(图论方面)
68兰特 计算机科学中的图论(包括图形绘制)
68周25 近似算法

软件:

排名系统
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] Z.Abbassi、V.S.Mirrorkni和M.Thakur,拟阵约束下的多样性最大化,《第19届ACM SIGKDD国际知识发现和数据挖掘会议论文集》,芝加哥,2013年,第32-40页。
[2] P.Adamopoulos和A.Tuzhilin,《关于推荐系统中的意外:或如何预期意外》,载于芝加哥第五届ACM推荐系统国际会议(RecSys 2011)第一届推荐系统新颖性和多样性国际研讨会(DiveRS 2011)的会议记录,P.Castells等人编辑,CEUR Proc。8162011年,第11-18页,网址:http://ceur-ws.org/Vol-816/。
[3] G.Adomavicius和Y.Kwon,《最大化总推荐多样性:一种图表理论方法》,载于第五届ACM推荐系统国际会议(RecSys 2011)第一届推荐系统新颖性和多样性国际研讨会论文集(DiveRS 2011),芝加哥,P.Castells等人编辑,CEUR Proc。8162011年,第3-10页,http://ceur-ws.org/Vol-816/。
[4] G.Adomavicius和Y.Kwon,《使用基于排名的技术改进聚合推荐多样性》,IEEE Trans。知识。《数据工程》,24(2012),第896-911页。
[5] A.Antikacioglu和R.Ravi,《多样性后处理推荐系统》,载于《第23届ACM SIGKDD知识发现和数据挖掘国际会议论文集》,哈利法克斯,NS,加拿大,2017年,第707-716页。
[6] A.Antikacioglu、R.Ravi和S.Sridhar,《网络发现的建议子图》,载于《第24届万维网国际会议论文集》,意大利佛罗伦萨,国际万维网会议指导委员会,2015年,第77-87页。
[7] J.Carbonell和J.Goldstein,《MMR的使用,基于多样性的重新排序用于重新排序文档和生成摘要》,载于《第21届国际ACM SIGIR信息检索研究与开发会议论文集》,澳大利亚墨尔本,1998年,第335-336页。
[8] B.Carterette,《新颖性和多样性排名中的NP完整性分析》,《信息检索》,14(2011),第89-106页。
[9] O.Chapelle、D.Metlzer、Y.Zhang和P.Grinspan,《第18届ACM信息与知识管理会议论文集》,香港,2009年,第621-630页。
[10] D.Fleder和K.Hosanagar,百视达文化的下一个兴衰:推荐系统对销售多样性的影响,管理科学。,55(2009年),第697-712页。
[11] A.Frangioni和L.P.Sanchez,《寻找结构化问题的最佳(公式、求解器、配置)》,摘自《复杂系统设计与管理》,M.Aiguier、F.Bretaudeau和D.Krob编辑,Springer,2010年,第85-98页。
[12] M.Ge、C.Delgado-Battenfeld和D.Jannach,《超越准确性:通过覆盖率和偶然性评估推荐系统》,载于《第四届ACM推荐系统会议论文集》,西班牙巴塞罗那,2010年,第257-260页。
[13] GroupLens、Movielens-1m数据集、,http://grouplens.org/datasets/movielens/1米/, 2015. (访问日期:2015年3月。)
[14] M.Habibi和A.Popescu-Belis,《在文件推荐中加强对话的主题多样性》,《COLING 2014年会议记录》,第25届国际计算语言学会议:技术论文,爱尔兰都柏林,2014年,都柏林城市大学和计算语言学协会,第588-599页,http://www.aclweb.org/antology/C14-1056。
[15] J.L.Herlocker、J.A.Konstan、L.G.Terveen和J.T.Riedl,评估协同过滤推荐系统,ACM Trans。通知。系统。,22(2004),第5-53页。
[16] Y.Hu、Y.Koren和C.Volinsky,隐式反馈数据集的协同过滤,《2008年ICDM会议录》,第八届IEEE数据挖掘国际会议,意大利比萨,2008年,第263-272页。
[17] O.Ku¨çu¨ktunc \807;、E.Saule、K.Kaya和u¨。V.Çatalyu¨rek,《关于图形的多样化建议:陷阱、度量和算法》,载于《第22届万维网国际会议论文集》,里约热内卢ACM,2013年,第715-726页。
[18] S.M.McNee、J.Riedl和J.A.Konstan,《准确性不够:准确性指标如何影响推荐系统》,载于《CHI EA’06:计算系统中人为因素的扩展摘要》,蒙特利尔,美国计算机学会,2006年,第1097-1101页。
[19] G.L.Nemhauser,L.A.Wolsey和M.L.Fisher,最大化子模集函数的近似分析,数学。《程序设计》,14(1978),第265-294页·Zbl 0374.90045号
[20] E.Pariser,《过滤器泡沫:新个性化网络如何改变我们的阅读和思考》,企鹅出版社,2011年。
[21] X.Ren,L.Lu¨,R.Liu,and J.Zhang,避免推荐系统中的拥塞,新J.Phys。,16 (2014), 063057.
[22] R.L.T.Santos、C.Macdonald和I.Ounis,《利用查询改写实现web搜索结果多样化》,《第19届万维网国际会议论文集》,罗利,北卡罗来纳州,美国计算机学会,2010年,第881-890页。
[23] R.L.T.Santos,显式Web搜索结果多样化,格拉斯哥大学科学与工程学院计算科学学院博士论文,2013年。
[24] G.Shani和A.Gunawardana,《评估推荐系统》,载于《推荐系统手册》,Francesco Ricci等人,编辑,Springer,2011年,第257-297页。
[25] E.Tulving、H.J.Markowitsch、S.Kapur、R.Habib和S.Houle,《人脑中的新型编码网络:正电子发射断层扫描数据》,《神经报告》,第5期(1994年),第25252528页。
[26] S.Vargas,《推荐系统中的新颖性和多样性评估与增强》,博士论文,Departamento de Ingenieriía Informaítica,Escuela Polite-cnica Superior,西班牙马德里大学,2015年。
[27] S.Vargas、L.Baltrunas、A.Karatzoglou和P.Castells,推荐系统体裁多样性中的覆盖率、冗余度和尺寸意识,载于《第八届ACM推荐系统会议论文集》,加利福尼亚州硅谷福斯特城,2014年,第209-216页。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。