[论文笔记]slope one predictors for online rating-based collaborative filtering
来源:互联网 发布:网络综艺节目定位论文 编辑:程序博客网 时间:2024/05/22 16:53
作者:Daniel Lemire, Anna Maclachlan。
论文概要:
slope-one是一种item-based的协同过滤算法,核心思想是线性回归f(x) = x+b。根据用户对item的评分信息,得到任意两个item之间的回归直线。然后根据已评分item计算未评分item的分值。最后根据计算出来的item的分值排序做推荐。它的优点是算法简单,容易实现,可扩展性也不错,但需要是基于评分的,如果没有评分,需要构造评分。
2. 相关研究
2.1 memory-based和model-based CF,这个在其他几篇论文中都提过了,略。
3. 几种CF方案
a. Per User Average。即根据用户的历史评分记录计算用户的平均评分,然后应用到该用户的所有未评分item上。
b. 基于Pearson相关度的算法,即user-based CF。
c. 基础的slope-one算法。
d.带权的slope-one算法。基础的slope-one算法在计算回归直线时,并没有考虑对同一item的评分用户数。显然假如有2000个用户对J和L共同评分,20个用户对K和L共同评分,这个时候用户对J的评分显然要比对K的评分对L的影响要大。
e. bi-polar(不知道怎么翻译) slope one算法。带权的slope-one算法很好地考虑了共同评分用户数的问题,但还有另外一个问题:好评和差评对用户的决策影响是不同的。很多的好评对用户的影响也不如少数的差评。因此这个算法先会计算用户对一个item的平均评分,然后将用户对item的评分集拆成两个:好评集(即>平均评分的)和差评集。对好评集中的item使用带权的slope-one算法预测评分,而对差评集中的item使用基础的slope-one算法(即放大了少量的差评),最后计算item的带权平均值。
4. 测试结果
测试使用EachMovie和MovieLens数据集,MAE评估推荐质量,并比较了Bi-polar slope one, weighted slope one, slope one, bias from mean, adjusted cosine item-based, per user average, pearson这些算法,对于EachMovie数据集,Pearson和Bi-polar slope one的表现最佳。对于MovieLens数据集,三种slope-one算法表现同样好,并且优于所有其他算法。
- [论文笔记]slope one predictors for online rating-based collaborative filtering
- Collaborative filtering 协同过滤算法 Slope One
- [论文笔记]Item-based collaborative filtering recommendation algorithms
- Slope One :简单高效的协同过滤算法(Collaborative Filtering)
- GBPR: Group Preference Based Bayesian Personalized Ranking for One-Class Collaborative Filtering
- 论文读书笔记-google news personalization: scalable online collaborative filtering
- [论文选读]Google News Personalization: Scalable Online Collaborative Filtering
- Collaborative Filtering for Java
- [论文笔记]amazon: item-to-item collaborative filtering
- Slop One算法-Collaborative Filtering
- 论文总结Discrete collaborative filtering
- 【deep learning学习笔记】Restricted Boltzmann Machines for Collaborative Filtering
- hadoop item based collaborative filtering use case
- Item-Based Collaborative Filtering Recommendation Algorithms
- -Item-Based Collaborative Filtering Recommendation Algorithms
- Movie recommendation based on collaborative filtering method
- Movie recommendation based on collaborative filtering method
- 协同过滤 之 User-based Collaborative Filtering
- windows堆和栈学习笔记
- DM6467linux下视频采集芯片驱动的分析
- 利用cxf 开发web service 并利用cxf的wsdl2java开发client
- 解决MyEclipse update progress错误的方法
- Android天气小部件
- [论文笔记]slope one predictors for online rating-based collaborative filtering
- Oracle包被锁定的原因分析及解决方案
- C# 获取项目当前路径
- 《代码大全》阅读笔记____[第一章] 欢迎进入软件构建的世界
- curl post上传文件的“failed creating formpost data“错误
- poj_1915
- pgsql查询所有表名
- H.264码流结构
- 菜鸟晋级必修 智能手机越狱/解锁/刷机完全教程