MovieLens相关论文总结

--------------------------------groulplens团队-------------------------------------------------

 

论文题目：【2012 ACM】How Many Bits Per Rating?

研究方向：协同过滤、偏好模型

算法技术：noise、preferece bits framework

特征属性：评分

相关数据集：MovieLens+Jester综合成一个数据集

 

论文题目：2013 Exploiting Non-content Preference Attributes through Hybrid Recommendation Method

研究方向：非内容偏好、混合推荐

算法技术：CF、hybrid

特征属性：popularity, recency, and similarity

相关数据集：nexflix、lastfm、million

 

-------------------------------------2004年之后-------------------------------------------

论文题目：[2014 JMM LATIFA BABA-HAMED] IMPROVEMENT QUALITY OF THE RECOMMENDATION SYSTEM USING THE INTRINSIC CONTEXT

研究方向：预过滤

算法技术：内在上下文建模、混合

特征属性：导演、相似导演、流派

相关数据集：

 

 

-----------------------------------1998-2004年--------------------------------------------------

论文题目：[2003 NIPS Benjamin Marlin] Modeling User Rating Proles For Collaborative Filtering

研究方向：CF

算法技术：用户建模

特征属性：用户态度

相关数据集：each-movie

 

论文题目：User Modeling 2003(Interfaces for Eliciting New User Preferences in Recommender Systems)

研究方向：新用户问题

算法技术：user models、提问

特征属性：评分

相关数据集：smart radio、eachmovie

 

论文题目： Computational Models of Trust and ReputationAgents, Evolutionary Games, and Social Networks(CHAPTER 4 Rating Experiments)

研究方向：近邻、CF、用户偏好提取

算法技术：Threshold Algorithm、Agreement Likelihood Algorithm

特征属性：流派

相关数据集：RSS（饭店）

 

论文题目：[2002 SIGIR Andrew I. Schein] Methods and Metrics for Cold-Start Recommendations

研究方向：冷启动

算法技术：content information(person/actor)、CF

特征属性：评分、演员、导演

相关数据集：IMDB中找演员导演数据

 

论文题目：2003 Confidence Displays and Training in Recommender Systems

研究方向：CF、confidence display

算法技术：

特征属性：

相关数据集：

 

 

论文题目：[2002 ECCBR Derry O’ Sullivan]Improving Case-Based Recommendation A Collaborative Filtering Approach

研究方向：基于实例推荐

算法技术：相似度、支持度、置信度

特征属性：评分

相关数据集：PTV、Fischlar、each movie

 

论文题目：[1999 AAAI Nathaniel Good] Combining Collaborative Filtering with Personal Agents for Better Recommendations

研究方向：CF

算法技术:personal agents(机器学习、语法过滤)

特征属性：keyword、评分、流派

相关数据集：

 

 

论文题目：[2002 DEXA Michael Mahony ]Promoting Recommendations An Attack on Collaborative Filtering

研究方向：健壮性

算法技术:NAE、Robust、POA

特征属性：评分

相关数据集：PTV

 

论文题目：[2002 IADIS WWW/Internet Mark van Setten] EXPERIMENTS WITH A RECOMMENDATION TECHNIQUE THAT LEARNS CATEGORY INTERESTS 

 

研究方向：social filtering（similar interests）与genre-learning（category-based prediction technique）对比、user’s interests

算法技术：GENRE LMS

特征属性：流派

相关数据集：

 

论文题目：[2002 ACM Al Mamunur Rashid]Getting to Know You: Learning New User Preferences in Recommender Systems（grouplens）

研究方向：新用户偏好

算法技术：Entropy、Random、Popular、Pop*Ent、Item-item

特征属性：评分

相关数据集：

论文题目：[2003 Patrick Clerkin1]Concept Discovery in Collaborative Recommender Systems

研究方向：content_based+Collaborative混合

算法技术：ACF、the K-means clustering 

特征属性：Year、Genre、Director、Starring、Runtime 、Country 、LanguageCertication（用于Content-based）

相关数据集：SmartRadio

 

 

 

论文题目：[2002 ACM J. Ben Schafer]Meta-recommendation Systems_User-controlled Integration of Diverse Recommendations 

研究方向：meta-recommendation systems

算法技术：用户选择要看的电影属性 —>生成推荐

特征属性：

相关数据集：

 

论文题目：[2003 Gyochang Kim]A Preprocessing Method for Improving Effectiveness of Collaborative Filtering

研究方向：CF、预处理

算法技术：User Similarity

特征属性：是否购买了、

相关数据集：