.png){kind=icon}
返回
Optimal Sequential Recommendations: Exploiting User and Item Structure
.png){kind=icon}
PRE
AI
DOI：10.1109/tit.2026.3654181.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们考虑一个用于推荐系统的在线模型，在每个时间步为每个用户推荐一个项目并获取“喜欢”或“不喜欢”的反馈。一个潜在变量模型指定了用户偏好：用户和项目都被聚类成类型。该模型捕捉了项目空间和用户空间中的结构，正如在项目-项目协同过滤算法和用户-用户协同过滤算法中所使用的那样。我们研究了类型偏好矩阵具有独立同分布条目的情况。我们的主要贡献是一种同时利用项目和用户结构的算法，通过对应的信息论下界证明其接近最优。特别是，我们的分析强调了仅使用项目或用户结构（如大多数协同过滤算法所做的那样）的次优性。
Keyword:
Lower bound
Recommender systems
Costs
Information theory
Collaborative filtering
Heuristic algorithms
Clustering algorithms
Upper bound
Motion pictures
Artificial intelligence
Recommendation systems
collaborative filtering
online algorithms
optimal regret
期刊
I
IF:
2.9
论文数:
317
被引数:
0
机构
引用论文
.png){kind=icon}
分享收藏分享收藏
分享收藏
查看更多内容