推荐系统.pdf

主要内容 • 引言 • 动态评分预测问题 • 动态Top-N推荐问题 • 时效性的影响 Recommender System • 动态推荐系统原型 • 小结与展望 2 引言 • 推荐系统的主要任务 – 帮助用户发现他们可能感兴趣的内容（个性化 推荐系统） – 将内容投放给可能会对它们感兴趣的用户（个 性化广告） • 推荐系统无论在工业界还是学术界都是一 个重要的研究热点。 3 引言 • 著名商业推荐系统 4 引言 • 推荐系统的主要算法 – 按照使用数据分： • 协同过滤：用户行为数据 • 内容过滤：用户内容属性和物品内容属性 • 社会化过滤：用户之间的社会网络关系 – 按照模型分： • 最近邻模型：基于用户/物品的协同过滤算法 • Latent Factor Model：基于矩阵分解的模型 • 图模型：二分图模型，社会网络图模型 5 引言 • 推荐系统中常见的时间效应 – 用户兴趣的变化 – 物品流行度的变化 – 季节效应 6 引言 • 协同过滤数据集： – {(用户，物品，行为，时间)} • 问题： – 通过研究用户的历史行为和兴趣爱好，预测用 户将来的行为和喜好。 是用户集合， 是物品集合， 是时间集合 7 主要内容 • 引言 • 动态评分预测问题 • 动态Top-N推荐问题 • 时效性的影响 • 动态推荐系统原型 • 小结与展望 8 问题简述 • 数据集：显性反馈数据集 – {(用户，物品，评分，时间)} • 问题定义 – 给定用户u，物品i，时间t ，预测用户u在时间t 对物品i的评分r uit 9 相关研究 • 时间无关的评分预测问题算法 – 基于用户/物品的协同过滤算法 – 基于矩阵分解的模型Latent Factor