共形群推荐系统
摘要：群体推荐系统 (GRS) 在发现与个人偏好不同的群体偏好时，从几乎无限的库存中发现相关物品非常重要，比如向一群人推荐电影、餐厅或旅游目的地。传统的群体推荐模型被设计成像一个黑盒一样，严格关注于提高推荐准确性，并且大多数情况下，将解释的责任放在用户身上。近年来，推荐系统 (RS) 研究的重点已经从仅仅提高推荐准确性转向增加置信度和解释等价值的增加。在这项工作中，我们提出了一个符合预测框架的拟合度预测框架，该框架提供了预测的置信度度量，并与群体推荐系统结合使用以增强系统生成的普通推荐。在群体推荐系统的背景下，我们提出了各种非一致性度量，这些度量在一致框架的有效性中起着重要作用。我们还展示了定义的非一致性度量满足可交换性属性。实验结果证明了所提方法在几个基准数据集上的有效性。此外，我们提出的方法还满足有效性和效率属性。
作者：Venkateswara Rao Kagita, Anshuman Singh, Vikas Kumar, Pavan Kalyan Reddy Neerudu, Arun K Pujari, Rohit Kumar Bondugula
论文ID：2307.12034
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-07-25