Skip to main content

[paper阅读] 跨领域推荐系统:综述

简介

跨领域推荐兴起的意义在于:

  • 不同领域之间知识迁移的挑战
  • 跨越多个领域之间提供推荐服务的商业潜力

Winoto等人发表了首篇关于跨领域推荐的研究,研究了以下三个非常重要的课题:

  • 验证了在多个领域中用户偏好具有全局的相关性
  • 设计了一个模型呢,能够探索将用户在一个领域的偏好用来在另一个领域进行预测
  • 提出了适用于跨领域推荐的假设

跨领域推荐

领域的定义

可以从以下四个级别对领域进行定义:

  • 属性级别:例如电影的属性是-动作片和喜剧片,这就是两个不同的领域
  • 类型级别:例如待推荐物品是电影和电视剧,这则是类型级别的不同领域
  • 物品级别:例如待推荐物品分别是电影和书籍,它们大部分属性并不相同
  • 系统级别:属于被看作是不同领域的不同系统的物品的推荐,例如在Netflix上观看的电影和在Movie Lens推荐系统中评分的电影

跨领域推荐的任务

根据不同推荐任务的复杂性,将其分为了以下三类(图解示例如图2所示):

  • 多领域推荐:通过综合考虑用户在不同系统中对物品的偏好来进行推荐
  • 连接领域推荐:使用源领域收集的信息来提高目标领域的可用知识开解决这些问题的方案-要求数据关联或交叉
  • 跨领域推荐:建立不同领域之间基于知识的连接或者从源领域到目标领域的知识迁移

跨领域推荐任务
图1:跨领域推荐任务

跨领域推荐的目标

从研究和实践的角度来看,将推荐算法与目前的任务进行匹配是必要的。下列是跨领域推荐的目标:

  • 解决系统的冷启动问题:通过系统自举来完成
  • 解决新用户的问题:在推荐系统棉铃使用推荐系统的初使用者的初级阶段,推荐系统对用户一无所知,无法生成个性化推荐
  • 解决新物品问题:通过产品的交叉销售来完成
  • 提高准确性:通过降低稀疏性来完成
  • 提高多样性:推荐列表中大量相似物品的存在会降低用户的满意度
  • 提高用户模型:用户模型的提高是跨领域用户建模应用的主要目标;下面的几项可能是这个目标面向个性化的优势:
    • 指示目标领域的新用户喜好
    • 增强物品和用户之间的相似性
    • 度量社交网络中的亲近关系

跨领域推荐中的知识研究

跨领域推荐中用到的知识点主要有以下两大级别的分类:

  • 知识聚合: 聚合一般表示收集知识来行程一个集群。在这里,从多个源领域中收集来的知识来在目标领域生成推荐。可以考虑以下是三个用户案例:
    • 合并用户喜好,例如:收集的知识组成了用户的喜好(评分,标签等)
    • 调整用户模型,例如:收集的知识是多个推荐系统中探究的用户模型数据的结果
    • 组合推荐:例如:收集的知识包含单一领域推荐
  • 连接和迁移知识:知识在不同领域之间被迁移和连接来支持推荐,下面是可以考虑的三个变形:
    • 连接领域,例如:通过一个常识领域来对领域进行连接
    • 共享潜在特征,例如:通过隐式的潜在特征来建立源领域和目标领域之间的关系
    • 迁移评分模式,例如:源领域的直接或不直接的评分模式将会在目标领域进行探究

跨领域推荐中的知识研究
图2: 跨领域推荐中的知识研究

开放的研究问题和结论

这个部分概述了一些与跨领域推荐相关问题的综述:
– 上下文推荐和跨领域推荐之间的关联: 类似于地点、时间以及心情的上下文都可以看成是单独的领域,因此可以考虑将一些上下文相关的技术应用到跨领域推荐中

  • 推荐的评估标准:预测的精确指标:MAE和RMSE
  • 用户模型推导的简化
  • 跨领域推荐实际数据集的重要性

参考文献

  • Sharu Vinayak, Richa Sharma, Rahul Signh. Cross Domain Recommender Systems: A Review. ICRCCT(2016)
  • Winoto, P., Tang, T.: If You Like the Devil Wears Prada the Book, Will You also Enjoy the Devil Wears Prada the Movie? A Study of Cross-Domain Recommendations. New Generation Computing 21, pp. 209–225 (2008)
打赏
微信扫一扫支付
微信logo微信扫一扫, 打赏作者吧~

mickey

记录生活,写给几十年后的自己。