1,论文相关信息
Paper:Privileged matrix factorization for collaborative filtering
Conference:IJCAI
Year:2017
2,研究动机
现有的矩阵分解推荐方法没有通过评论文本将用户和项目同时联系起来。不同的用户对同一项目会有不同的评论,同时,一个用户会对不同的项目给予不同的评论。所以通过评论文本将用户和项目联系起来是至关重要的
3,本文方法
采用SVM机制,将预测评分问题看做多类分类问题。通过设置硬间隔和软间隔引入松弛变量:评分文本特征向量。并将评论文本特征向量映射成特权函数加入目标函数中,以增加了模型容错性,使得模型的泛化能力更强。
目标函数:
优化方法:
共轭梯度下降法
4,数据集
Amazon reviews.
时间:1998至2013
内容:包含五个数据集,分别为:Watchs、Musical Instruments、Industrial Scientific、Gourmet Foods、Books
5,评价指标
MSE:均方误差
中位数、分位数