联合成对排序的物品推荐模型

作者：吴宾; 陈允; 孙中川; 叶阳东^*

来源：通信学报, 2019, 40(09): 193-206.

• 物品推荐
• 成对排序
• 协同过滤
• 隐式反馈
• 矩阵分解

现有的推荐模型大多仅从用户角度进行建模,忽略了物品的功能关系对用户购买决策的影响。从用户和物品这2个角度,同时考虑用户–物品之间的交互关系和物品–物品之间的功能关系,提出了联合成对排序的推荐模型。考虑正样本的排名位置和负采样策略直接影响模型收敛速度,构建一种排序感知的学习算法,用于求解所提模型的参数。实验结果表明,与当前主流推荐算法相比,该算法在多个评价指标上具有明显的性能优势。