Kernel-CF：利用社交网络分析和核平滑正确进行的协同过滤
摘要：协同过滤是最简单但也是最古老的推荐系统领域的机器学习算法。尽管历史悠久，但仍然是研究场合的讨论话题。通常人们使用与目标用户的相似度分数大于0的用户/物品来计算算法。然而，经过仔细审查后，这可能并不是最优解决方案。在本文中，我们将推荐系统的输入数据转化为一个二维社交网络，并应用核平滑方法来计算用户物品评分矩阵中未知值的偏好。我们统一了推荐系统和非参数统计的理论框架，并提供了一个带有最优参数选择方法的算法流程来实现目标。
作者：Hao Wang
论文ID：2303.04561
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-03-09