• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE International Conference on Tools with Artificial Intelligence >Modeling User-Item Profiles with Neural Networks for Rating Prediction
【24h】

Modeling User-Item Profiles with Neural Networks for Rating Prediction

机译：使用神经网络对用户项目资料进行建模以进行评分预测

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In recommender systems, the essential task is to predict the personalized rating of a user to a new item. To address this task, recommender systems usually employ matrix factorization model to predict ratings over a user-item rating matrix. However, this model severely suffers from the problem of data sparsity. Noting the large amount of user reviews available in the Internet, we exploit user preferences and item attributes contained in reviews to alleviate the problem. Specifically, we propose a Neural Profile-Aware Matrix Factorization model, namely NPMF, which incorporates the user and item profiles modeled with neural networks for rating prediction. We evaluate the performance of NPMF using three large-scale real-world datasets released in Yelp. The experimental results show that NPMF outperforms other mainstream rating prediction techniques and indeed alleviates the data sparsity problem.
机译：在推荐系统中，基本任务是预测用户对新商品的个性化评价。为了解决此任务，推荐系统通常采用矩阵分解模型来预测用户项评分矩阵上的评分。但是，该模型严重遭受数据稀疏性的问题。注意Internet中可用的大量用户评论，我们利用评论中包含的用户首选项和项目属性来缓解此问题。具体来说，我们提出了一种神经感知的矩阵分解模型，即NPMF，该模型结合了使用神经网络建模的用户和项目概况以进行评分预测。我们使用Yelp中发布的三个大型现实数据集评估NPMF的性能。实验结果表明，NPMF优于其他主流评级预测技术，确实缓解了数据稀疏性问题。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号