版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
矩阵分解技术应用到推荐系统第一页,编辑于星期六:二十三点二十二分。CataloguePaperBackgroundIntroductionRecommenderSystemsStrategiesMatrixFactorizationMethodsABasicMatrixFactorizationModelLearningAlgorithmAddingBiasesAddingInputSourcesTemporalDynamicsInputWithVaryingConfidenceLevelsNetflixPrizeCompetitionConclusionTuesday,April25,20232第二页,编辑于星期六:二十三点二十二分。1、PaperBackgroundTuesday,April25,202331.YehudaKoren,YahooResearch2.RobertBellandChrisVolinsky,AT&TLabs-Research3.PaperpublishedbytheIEEEComputerSocietyinAugust20094.AuthorwonthegrandNetflixPrizeCompetitioninSeptember2009第三页,编辑于星期六:二十三点二十二分。2、IntroductionModernconsumersareinundatedwithchoices.MoreretailorhavebecomeinterestedinRS,whichanalyzepatternsofuserinterestinproductstopridepersonalizedrecommendationsthatsuitauser'staste.NetflixandAhavemadeRSasalientpartoftheirwebsites.Particularlyuserfulforentainmentproductssuchasmovies,music,andTVshows.第四页,编辑于星期六:二十三点二十二分。3、RecommenderSystemStrategiesContentFilteringCollaborativeFiltering
1.Neighborhoodmethods
user-oriented
item-oriented
2.LatentFatorModelTuesday,April25,20235第五页,编辑于星期六:二十三点二十二分。3.1、ContentsFilteringCreateaproeachuserorproducttocharacterizeitsnature.Needtogatherexternalinformation.AknownsuccessfulrealizationofcontentfilteringistheMusicGenomeProject,whichisusedfortheInternetradioserviceP.Tuesday,April25,20236第六页,编辑于星期六:二十三点二十二分。3.2、CollaborativeFilteringAnalyzerelationshipsbetweenusersandinterdep-enciesamongproductstoidentifynewuser-itemas-Socitions.Disadvantages:coldstartTwoprimaryareas:neighborhoodmethodsuser-orienteditem-orientedLatentfactormodelsTuesday,April25,20237第七页,编辑于星期六:二十三点二十二分。3.2.1、NeighborhoodmethodsCenteredoncomputingtherelationshipsbetweenitemsor
users.Theitem-orientedapproachevaluatesa
user’spreferenceforanitembasedonratingsof“neighboring”itemsbythesameuser.Theuser-orientedapproachidentifieslike-mindeduserswhocancomplementeachother’sratings.Tuesday,April25,20238第八页,编辑于星期六:二十三点二十二分。Example:第九页,编辑于星期六:二十三点二十二分。3.2.2、LatentFactorModelsFindfeaturesthatdescribethecharacteristicsofratedobjects.Itemcharacteristicsanduserpreferencesaredescribedwithnumericalfactorvalues.Assumption:Ratingscanbeinferredfromamodelputtogetherfromasmallernumberofparameters.Tuesday,April25,202310第十页,编辑于星期六:二十三点二十二分。4、MatrixFactorizationMethodsCharacterizebothitemsandusersbyvectorsoffactorsinferredfromitemratingpatterns.RSrelyondifferenttypesofinputdata.Strength:incorporationofadditionalinformation,implicitfeedback.Implicitfeedback:purchasehistory,browsinghistory,searchpatterns,mousemovementandsoon.Tuesday,April25,202311第十一页,编辑于星期六:二十三点二十二分。5、ABasicMatrixFactorizationModelDotproductcapturestheuser’sestimatedinterestintheitem:(1)Here,theelementsofmeasuretheextenttowhichtheitempossessesthosefactors,theelementsofmeasuretheextentofinteresttheuserhasinitemsthatarehighonthecorrespondingfactors.Challenge:Howtocomputeamappingofitemsandusersfactorvectors?Approaches:SingularValueDecompositionn(SVD)
Tuesday,April25,202312第十二页,编辑于星期六:二十三点二十二分。5.1、SingularValueDecompositionRequirefactoringtheuser-itemratingmatrixConventionalSVDisundefinedforincompleteImputationtofillinmissingvaluesIncreasestheamountofdataModelingdirectlytheobservedratingsWeneedtoapproachthatcansimplyignoremissingvalue
第十三页,编辑于星期六:二十三点二十二分。5.1、SingularValueDecompositionMeasures:aregularizedmodel(2)Here,isthesetofthe(u,i)pairsforwhichisknown(thetrainingset);theconstantcontrolstheextentofregularization,determinedbycross-validation.第十四页,编辑于星期六:二十三点二十二分。6、LearningAlgorithmsTwomethodstominizingEquation(2)
StochasticGradientDescent
AlteringLeastSquaresTuesday,April25,202315第十五页,编辑于星期六:二十三点二十二分。6.1、StochasticGradientDescentLoopthroughallratingsinthetrainingsetForeachgiventraingcase,thesystempredictsandcomputestheassociatedpredictionerrorBymagnitudeproportionaltointheoppositedirectionofthegradient
第十六页,编辑于星期六:二十三点二十二分。6.2、AlternatingLeastSquaresALSteachniquesrotatebetweenfixingtheandfixingtheALSisfavorableinatleasttwocases:AllowsmassiveparallelizationCenteredonimplicitdata
第十七页,编辑于星期六:二十三点二十二分。7、AddingBiasesAfirst-orderapproximationofthebiasinvolvedinratingisasfollows:(3)Here,istheoverallaverage;theparameters,indicatetheobserveddeviationsofuseranditemi.Includingbiasparametersintheprediction:(4)Optimize:(5)Tuesday,April25,202318第十八页,编辑于星期六:二十三点二十二分。8、AddingInputSourcesProblem:coldstartSolution:incorporateadditionalsourcesofinformationabouttheusers.Twoinformation:itemattributes,userattributesItemattribute:NormalizingthesumUserattribute:Optimaion:(6)
第十九页,编辑于星期六:二十三点二十二分。9、TemporalDynamicsRatingmaybeaffectedbytemporaleffectsPopularityofanitemmaychangeUser'sidentityandpreferencesmaychangeModelingtemporalaffectscanimporveaccuracysignificantlyRatingpredictionsasafunctionoftime:
(7)Tuesday,April25,202320第二十页,编辑于星期六:二十三点二十二分。10、InputwithVaringConfidencelevelsInseveralsetups,notallobservedratingsdeservethesameweightorconfidence.Plan:ConfidenceinobservingisdenotedasCostfounction:
(8)Tuesday,April25,202321第二十一页,编辑于星期六:二十三点二十二分。11、Ne
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 2024年PVC抗冲改性型项目建议书
- 2024年手工制纸及纸板项目合作计划书
- 西藏监理工程师合同管理:承担违约责任方式模拟试题
- 规范单位劳动合同样本
- 2024年酶法生产海藻糖合作协议书
- 2024年拉杆球头项目建议书
- 解除房屋租赁合同及催收租金通知书
- 2024年畜禽规模化养殖设备项目建议书
- 2024年玻璃纤维承力索项目合作计划书
- 2024年船用气象仪项目发展计划
- 八年级上册unit4《Who’s-got-talent》教学设计(共7页)
- 阀体零件机械加工工艺过程卡片
- 乡镇景区标识系统建设项目可行性分析报告.doc
- 26个英文字母书写标准描红练习纸(总2页)
- 夜间施工谅解协议书
- RSC HSC OSC 纸箱基本知识介绍
- 【精品】县域义务教育均衡发展督导评估方案
- 供应室实习生业务学习内容
- 积分公式大全
- 第四章 土地资源调查.ppt
- (完整版)水利工程质量检测方案
评论
0/150
提交评论