Интеграция информации контента с совместной фильтрацией на основе факторизации

Question

Я читаю некоторые статьи в CF и заметил, что большинство современных методов основаны на различных методах факторизации только на матрице оценок. Я хотел бы знать, есть ли какие-то репрезентативные работы по объединению информации контента (например, пользовательских функций и функций элементов) в факторизацию. Есть идеи?

Answer 1

Я являюсь исследователем в области рекомендательных систем и проделал определенную работу именно над этим. Вот несколько статей на эту тему:

1. Адитья Кришна Менон, Чарльз Элкан: логарифмическая модель со скрытыми функциями для диадического предсказания, ICDM 2010
2. Дэвид Стерн, Ральф Хербрич и Тор Грэпел: Спичечная коробка: Байесовские рекомендации большого масштаба, WWW 2009
3. Чонг Ван, Дэвид Блей: совместное моделирование тем для рекомендации научных статей, KDD 2011
4. Зено Гантнер, Лукас Драмонд, Кристоф Фройденталер, Штеффен Рендл, Ларс Шмидт-Тиме: изучение сопоставлений атрибутов и функций для рекомендаций холодного старта, ICDM 2010
5. Д. Агарвал и Б.-С. Чен. Модели латентных факторов на основе регрессии, KDD 2009
6. Д. Агарвал и Б.-С. Чен. fLDA: матричная факторизация посредством скрытого распределения дирихле, WSDM 2010

Обратите внимание, что (4) это моя статья, так что это тоже своего рода реклама;-)

Кроме того, KDD Cup 2011 включал таксономию предметов, и на семинаре была проведена интересная работа по объединению такой информации о таксономии с моделями скрытых факторов: http://kddcup.yahoo.com/workshop.php

Answer 2

См., Например, "5. Гибридные методы совместной фильтрации" в

X. Су, Т. М. Хошгофтаар, Обзор методов совместной фильтрации, Достижения в области искусственного интеллекта (2009). PDF