项目名称: 融合异构信息的低秩分解推荐模型研究

项目编号: No.61300076

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 自动化技术、计算机技术

项目作者: 辛欣

作者单位: 北京理工大学

项目金额: 27万元

中文摘要: 针对传统个性化推荐技术在稀疏数据可适性、推荐结果可解释性上面临的挑战,设计有效融合信息特征的推荐模型已成为推荐系统领域研究的热点。而现有方法存在异构个体信息偏好冲突、异构社交关系信息偏好冲突、异构上下文信息融合复杂度过高等问题。为此,本课题深入研究并改进融合异构信息的低秩分解推荐模型。通过建立独立的异构主题空间,并予以个性化加权融合,准确描述个性化异构个体信息偏好;通过设计融合异构社交关系信息的数据生成过程和正则化项,以及建立基于图结构的关联度量化方法,准确描述个性化异构社交关系信息偏好;通过将异构空间潜在向量映射到同构空间并加以线性融合的方式,降低融合异构上下文信息的计算复杂度。最后将上述改进整合成统一模型,通过对异构信息的有效融合,更准确地适刻画稀疏数据;同时通过对个性化异构信息偏好的准确描述,更完整的解释推荐结果。本课题将有力改善信息过载时代的用户体验及Web服务的收益。

中文关键词: 推荐系统;异构信息;协同过滤;张量分解;主题分析

英文摘要: Aiming at the data sparsity and the un-interpretable challenges of traditional recommender systems, designing effective recommendation frameworks with the fusion of the enriched Web information, has become a promising research direction. Existing methods, however, suffer from the following three limitations. (1) conflicts on personalized biases of heterogeneous individual information; (2) conflicts on personalized biases of heterogeneous social information; and (3) time-consuming problem in fusing heterogeneous context information. In this project, we are going to investigate and improve the factorization-based recommendation approaches with the fusion of heterogeneous information. For the first limitation, a personalized weighted linear combination of latent feature vectors from heterogeneous latent spaces is proposed; for the second limitation, a generative process and a regularization function for fusing heterogeneous social information are designed, and graph-based algorithms are employed to quantify the relationship under homogeneous social network; and for the third limitation, the context latent feature vectors are linearly combined with personalized weights, after the linear transformations from heterogeneous latent spaces. Therefore, all the above limitations can be solved. At last, all the above three

英文关键词: Recommender Systems;Heterogeneous Information;Collaborative Filtering;Tensor Factorization;Topic Analysis

成为VIP会员查看完整内容
1

相关内容

推荐系统,是指根据用户的习惯、偏好或兴趣,从不断到来的大规模信息中识别满足用户兴趣的信息的过程。推荐推荐任务中的信息往往称为物品(Item)。根据具体应用背景的不同,这些物品可以是新闻、电影、音乐、广告、商品等各种对象。推荐系统利用电子商务网站向客户提供商品信息和建议,帮助用户决定应该购买什么产品,模拟销售人员帮助客户完成购买过程。个性化推荐是根据用户的兴趣特点和购买行为,向用户推荐用户感兴趣的信息和商品。随着电子商务规模的不断扩大,商品个数和种类快速增长,顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。为了解决这些问题,个性化推荐系统应运而生。个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台,以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
WSDM'22「京东」个性化会话推荐:异构全局图神经网络
专知会员服务
22+阅读 · 2022年1月7日
基于强化学习的推荐研究综述
专知会员服务
83+阅读 · 2021年10月21日
专知会员服务
56+阅读 · 2021年8月12日
【WWW2021】基于双侧深度上下文调制的社会化推荐系统
专知会员服务
27+阅读 · 2021年1月28日
专知会员服务
25+阅读 · 2020年12月17日
个性化推荐系统技术进展
专知会员服务
65+阅读 · 2020年8月15日
【SIGIR 2020】 基于协同注意力机制的知识增强推荐模型
专知会员服务
89+阅读 · 2020年7月23日
直播预告 | 推荐系统中的异构关系学习
THU数据派
0+阅读 · 2021年12月28日
CIKM 2021 | 自监督学习在社会化推荐系统中的应用
PaperWeekly
0+阅读 · 2021年11月14日
基于知识图谱的推荐系统总结
机器学习与推荐算法
4+阅读 · 2021年11月11日
AAAI'21 | 基于图Transformer的多行为推荐算法
图与推荐
0+阅读 · 2021年11月9日
SIGIR'21 | 推荐系统中的多关系图神经网络
图与推荐
3+阅读 · 2021年10月10日
SIGIR 2021 | 推荐系统中的多行为建模
PaperWeekly
1+阅读 · 2021年10月9日
【推荐系统】融合 MF 和 RNN 的电影推荐系统
产业智能官
23+阅读 · 2018年1月4日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
6+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
Heterogeneous Graph Transformer
Arxiv
27+阅读 · 2020年3月3日
Arxiv
20+阅读 · 2019年11月23日
Heterogeneous Deep Graph Infomax
Arxiv
12+阅读 · 2019年11月19日
小贴士
相关VIP内容
WSDM'22「京东」个性化会话推荐:异构全局图神经网络
专知会员服务
22+阅读 · 2022年1月7日
基于强化学习的推荐研究综述
专知会员服务
83+阅读 · 2021年10月21日
专知会员服务
56+阅读 · 2021年8月12日
【WWW2021】基于双侧深度上下文调制的社会化推荐系统
专知会员服务
27+阅读 · 2021年1月28日
专知会员服务
25+阅读 · 2020年12月17日
个性化推荐系统技术进展
专知会员服务
65+阅读 · 2020年8月15日
【SIGIR 2020】 基于协同注意力机制的知识增强推荐模型
专知会员服务
89+阅读 · 2020年7月23日
相关资讯
直播预告 | 推荐系统中的异构关系学习
THU数据派
0+阅读 · 2021年12月28日
CIKM 2021 | 自监督学习在社会化推荐系统中的应用
PaperWeekly
0+阅读 · 2021年11月14日
基于知识图谱的推荐系统总结
机器学习与推荐算法
4+阅读 · 2021年11月11日
AAAI'21 | 基于图Transformer的多行为推荐算法
图与推荐
0+阅读 · 2021年11月9日
SIGIR'21 | 推荐系统中的多关系图神经网络
图与推荐
3+阅读 · 2021年10月10日
SIGIR 2021 | 推荐系统中的多行为建模
PaperWeekly
1+阅读 · 2021年10月9日
【推荐系统】融合 MF 和 RNN 的电影推荐系统
产业智能官
23+阅读 · 2018年1月4日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
6+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员