跨领域推荐系统.PDFVIP

跨领域推荐系统 Cross-Domain Recommender Systems Iván Cantador, Ignacio Fernández-Tobías, Shlomo Berkovsky, Paolo Cremonesi 翻译：潘微科、曾子杰 Chapter 27 of Recommender Systems Handbook (Second Edition) 《推荐系统：技术、评估及高效算法》 （第二版）第27章 简介 • 跨领域推荐 （cross-domain recommendation）：把从源领域（source domain）中获得的知识 （knowledge）迁移（transfer ）到目标领域（target domain）并加以利用 • 典型应用：冷启动问题（cold-start problem）；交叉销售（cross-selling） • 基本假设：源领域和目标领域中的用户画像和物品信息是有对应关系的（correspondences） 2 跨领域推荐问题的表示（Representation） • 领域的定义：（物品的）属性层面；（物品的）类型层面；物品层面；系统层面 • 跨领域推荐的任务：多领域推荐（multi-domain recommendation）；连接领域推荐（linked- domain recommendation）；（狭义的）跨领域推荐（cross-domain recommendation） • 跨领域推荐的目标：冷启动；新用户；新物品；提高准确率；提高多样性；优化用户模型 • 跨领域推荐的场景：领域间的基于内容的关系；领域间的基于协同过滤的关系（没有交集、 有用户交集、有物品交集、用户和物品都有交集） 3 跨领域推荐技术的分类（Categorization） • 聚合知识（aggregating knowledge） • 合并用户偏好（merging user preferences） • 整合用户模型数据（mediating user modeling data） • 综合推荐结果（combining recommendations） • 连接和迁移知识（linking and transferring knowledge） • 连接不同领域（linking domains） • 共享潜在特征 （sharing latent features） • 迁移评分模式（transferring rating patterns ） 4 基于知识聚合的跨领域推荐（Knowledge Aggregation ） • 合并单个领域的用户偏好：把用户评分数据聚合到一个多领域评分矩阵 （a single multi- domain rating matrix）；将多个领域的用户偏好通过一个公用的形式来表示（a common representation）；通过一个多领域的图 （a multi-domain graph）来连接用户偏好；将用户 偏好映射为与领域无关的特征 （domain-independent features） • 整合单个领域的用户模型数据：通过整合邻居来生成推荐；通过整合用户间的相似度来生 成推荐；利用用户的邻居来提高目标领域的用户模型；整合基于概率的用户模型；整合异 构用户偏好 • 综合单个领域的推荐结果：综合对用户评分的预测；综合对评分分布的估计 5 基于知识连接和迁移的跨领域推荐 （Knowledge Linkage and Transfer） • 领域连接：通过共同属性来关联、过滤物品；构建语义网来连接领域中的概念；通过基于 知识的规则来