[论文笔记]slope one predictors for online rating-based collaborative filtering
作者:Daniel Lemire, Anna Maclachlan。
论文概要:
slope-one是一种item-based的协同过滤算法,核心思想是线性回归f(x) = x+b。根据用户对item的评分信息,得到任意两个item之间的回归直线。然后根据已评分item计算未评分item的分值。最后根据计算出来的item的分值排序做推荐。它的优点是算法简单,容易实现,可扩展性也不错,但需要是基于评分的,如果没有评分,需要构造评分。
2. 相关研究
2.1 memory-based和model-based CF,这个在其他几篇论文中都提过了,略。
3. 几种CF方案
a. Per User Average。即根据用户的历史评分记录计算用户的平均评分,然后应用到该用户的所有未评分item上。
b. 基于Pearson相关度的算法,即user-based CF。
c. 基础的slope-one算法。
d.带权的slope-one算法。基础的slope-one算法在计算回归直线时,并没有考虑对同一item的评分用户数。显然假如有2000个用户对J和L共同评分,20个用户对K和L共同评分,这个时候用户对J的评分显然要比对K的评分对L的影响要大。
e. bi-polar(不知道怎么翻译) slope one算法。带权的slope-one算法很好地考虑了共同评分用户数的问题,但还有另外一个问题:好评和差评对用户的决策影响是不同的。很多的好评对用户的影响也不如少数的差评。因此这个算法先会计算用户对一个item的平均评分,然后将用户对item的评分集拆成两个:好评集(即>平均评分的)和差评集。对好评集中的item使用带权的slope-one算法预测评分,而对差评集中的item使用基础的slope-one算法(即放大了少量的差评),最后计算item的带权平均值。
4. 测试结果
测试使用EachMovie和MovieLens数据集,MAE评估推荐质量,并比较了Bi-polar slope one, weighted slope one, slope one, bias from mean, adjusted cosine item-based, per user average, pearson这些算法,对于EachMovie数据集,Pearson和Bi-polar slope one的表现最佳。对于MovieLens数据集,三种slope-one算法表现同样好,并且优于所有其他算法。
[论文笔记]slope one predictors for online rating-based collaborative filtering相关推荐
- 【论文笔记】Revisiting graph based collaborative Filtering:一种线性残差图图卷积网络方法
Revisiting Graph based Collaborative Filtering:A Linear Residual Graph Convolutional Network Approac ...
- 论文笔记(八):360 VR Based Robot Teleoperation Interface for Virtual Tour
360 VR Based Robot Teleoperation Interface for Virtual Tour 文章概括 摘要 1. 介绍 2. 方法和系统设计 2.1 系统结构 2.2 远程 ...
- 机器学习_论文笔记_2: bagging predictors ( BREIMAN[1996])
By joey周琦 Bagging predictor可以产生多个版本的predictor, 并把这些predictor聚集(aggregate)为一个.这种策略对于不稳定的系统可以提高其精度. 有一 ...
- 【论文笔记】Revisiting Graph based Collaborative Filtering: A Linear Residual Graph Convolutional Network
LR-GCCF 1. Abstract 2. Introduction 3. LR-GCCF 3.1 模型总体结构(Overall Structure of the Proposed Model) 3 ...
- 论文笔记 NAACL findings 2022|Zero-Shot Event Detection Based on Ordered Contrastive Learning and Prompt-
文章目录 1 简介 1.1 动机 1.2 创新 2 方法 2.1 Contrastive sample generator 2.2 Event encoder 2.3 Ordered contrast ...
- 【论文笔记】(VC)《Combining Progressive Rethinking and Collaborative Learning: ... for In-Loop filtering》
<Combining Progressive Rethinking and Collaborative Learning: A Deep Framework for In-Loop Filter ...
- 【论文笔记】Heterogeneous Transfer Learning for HSIC Based on CNN
X. He, Y. Chen and P. Ghamisi, "Heterogeneous Transfer Learning for Hyperspectral Image Classif ...
- 论文笔记目录(ver2.0)
1 时间序列 1.1 时间序列预测 论文名称 来源 主要内容 论文笔记:DCRNN (Diffusion Convolutional Recurrent Neural Network: Data-Dr ...
- enet分割_[论文笔记] 图像语义分割——ENet(ICLR 2017)
[论文笔记] 图像语义分割--ENet(ICLR 2017) bluestyle • 2019 年 05 月 03 日 介绍 Motivation: 移动应用上的实时像素级语义分割是一个重要的问题,然 ...
最新文章
- 操作系统内存管理之 内部碎片vs外部碎片
- redis 附近的人_Redis GEO地理位置信息,查看附近的人
- 基于operator sdk编写一个k8s自定义资源管理应用
- 分布式ID生成器(来源:架构师之路,2017-06-25 58沈剑 架构师之路)
- 常用七大经典排序算法总结(C语言描述)
- eShopOnContainers 知多少[11]:服务间通信之gRPC
- gdal进行遥感影像读写_如何使用遥感影像进行矿物勘探
- 【POJ - 1942 】Paths on a Grid (组合数学,求组合数的无数种方法)
- 图论与java_算法笔记_150:图论之双连通及桥的应用(Java)
- Python 之打包工具 setup.py
- 苹果手机关闭自动更新_苹果手机会quot;偷钱quot;的2个功能,越早关闭越好,不然经常无故被扣钱...
- android卸载弹出窗口,卸载Android app弹出浏览器的一种实现
- 坐标转换计算七参数matlab代码,坐标系转换:已知控制点计算七参数并对数据批量转换...
- 时间序列分析工具箱——sweep
- 基于Java-EE和websocket的无人机网页监控系统(网页地面站-源码)
- java生成有序的序号,java生成序号
- 分布式事务中的时间戳详解
- C语言经典-报数问题
- Android完美实现kitkat透明导航效果
- DOSBOX——DEBUG的简单使用
热门文章
- 计算机绘图要学吗,如何学好计算机绘图 AUTOCAD 软件
- PotPlayer视频播放工具
- 两组回归系数差异检验_如何检验两个回归系数的差异性?我做调节分析。
- php解析mht,php解析mht文件转换成html的实例
- 计算机操作系统 - 目录1
- php本地安装mysql报错443_Mysql性能剖析工具--Anemometer部署
- 哪些情况下你的虾皮店铺会被封店
- 怎么用EDIUS将静帧图片做出动态特效
- 16哈理工新生赛 H 下雪啦 (哈希表)
- C语言/C++常见习题问答集锦(四十三) 之持之以恒