推薦系統的冷啟動
問題定義
冷啟動即新加入的user或item, 在 user-item 二部圖中, 新節點的度是0, 所以針對它們如何推薦, 就稱為冷啟動問題
.
包括 user,item 兩部分的冷啟動.
論文筆記
Addressing Cold Start for Next-song Recommendation, 這是RecSys2016 的一篇有關冷啟動論文, 基於pairWise Factorization, 見[1].
motivation
Next-song Recommendation.
dataset
, 10 萬播放記錄.
符號與公式
因為資料是成pair的,(user,last-time song, next song) ,所以為 last-time item 和 item 各自準備了一個latent space。
, 為使用者u的transition matrix,表示在使用者u的播放序列中, 有過m次在播放完歌曲i後, 下一首播放了歌曲j.
, 從P轉換得到的 confidence value.
, audio features.
, last-item latent vector.
, item latent vector.
, learn a mapping matrix between audio feature space and the item latent space, for the last-time item and item , respectively.
proposed approach
Adaptive Linear Mapping Model (ALMM).
在使用交替最小二乘法進行因式分解的同時(而不是之後), 去 learn mapped latent vectors. 這樣的好處是 content feature 和 latent vectors 可以被結合的更緊密.
也就是說, 它通過同時挖掘 sequential behavior 和 content feature 來捕捉 content-based transition preference.
base approach
Oord:mapping matrix 在因式分解得到 latent vectors 之後去學習.
evaluation metrics
mean average precision(MAP),novelty,diversity,freshness, popularity.