信息检索手段下的推荐系统
摘要：重新推荐系统问题到信息检索问题的方法。我们在测试中使用了一组用户对一些电影进行评分的数据集；我们隐藏了数据集中的一些数值，并尝试使用剩余部分（所谓的“留n个”的方法）再次预测它们。为了使用信息检索算法，我们以以下方式重新定义了推荐系统问题：用户对应于文档，电影对应于术语，我们要预测评分的活跃用户起到查询的作用，评分被用作权重，而不是原始信息检索算法中的权重分配模式。输出是与查询（“活跃用户”）相关的文档（“用户”）的排名列表。我们使用这些用户的评分按照排名加权来预测活跃用户的评分。我们通过一个典型的度量标准来进行比较，即算法返回的预测准确性，并将其与用户的真实评分进行比较。在我们的最初测试中，我们使用了两种不同的信息检索算法：LSPR，一种基于离散傅里叶变换的最新提出的模型，和一个简单的向量空间模型。
作者：Alberto Costa, Fabio Roda
论文ID：1008.4815
分类：Information Retrieval
分类简称：cs.IR
提交时间：2011-06-03