将内容信息与基于分解的协同过滤相集成
我正在阅读 CF 中的一些论文，注意到大多数最先进的方法仅基于评级矩阵上的不同分解方法。我想知道是否有一些将内容信息（例如用户特征和项目特征）组合到分解中的代表性作品。有什么想法吗？
I'm reading some papers in CF and noticed that most state-of-the-art methods are based on different factorization methods on the rating matrix only. I'd like to know if there are some representative works on combining content information (e.g. user features and item features) into factorization. Any ideas?
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（2）
我是推荐系统领域的研究员，并在这方面做了一些工作。以下是有关该主题的一些论文：
请注意，(4) 是我的一篇论文，所以这也是某种广告;-)
另外，KDD Cup 2011 涉及一个项目分类法，并且已经有一些在研讨会上将此类分类信息与潜在因素模型相结合的有趣工作：http://kddcup.yahoo.com/workshop.php
I am a researcher in the field of recommender systems, and did some work on exactly that. Here are some papers on that topic:
Please note that (4) is a paper by me, so this is also some kind of advertisement ;-)
Also, the KDD Cup 2011 involved an item taxonomy, and there has been some interesting work on combining such taxonomy information with latent factor models at the workshop: http://kddcup.yahoo.com/workshop.php
请参阅示例中的“5. 混合协作过滤技术”
See for example "5. Hybrid Collaborative Filtering Techniques" in