因子分解与邻域结合多方面协同过滤模型.pdfVIP

因子分解遇见邻域：多方面的协同过滤模型

YehudaKorenATT–研

究180ParkAve,FlorhamPark,

NJ07932yehuda@

之前的或产品评分——而不需要创建显式用户。特

推荐系统为用户个性化的产品或服务建议。这些系统通别是，协同过滤技术不需要领域知识，避免了大量数据收集

常依赖于协同过滤（CF），通过分析过去的来建立用户的需要。此外，直接依赖用户行为可以揭示复杂且难以预料

和产品之间的联系。协同过滤的两种更成功的方法是潜在因的模式，这些模式使用已知的数据属性很难或无法进行描述。

素模型，直接对用户和产品进行建模，以及邻域模型，分析因此，在过去的十年中，协同过滤吸引了大量的关注，取得

产品或用户之间的相似性。在这项工作中，我们对这两种方了显著的进展，并被一些成功的商业系统采用，包括亚马逊