• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Asilomar Conference on Signals, Systems and Computers >Personalized preference elicitation in recommender systems using matrix factorization
【24h】

Personalized preference elicitation in recommender systems using matrix factorization

机译：使用矩阵分解的推荐系统中的个性化偏好激发

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

摘要

Recommender systems are an effective way to find items of interest among the many available items for users based on their preferences. However, it is challenging to provide accurate recommendations for new users without any records in the system. We seek to provide a new method for building initial user profiles through personalized preference elicitations. In addition, to ensure limited amount of user effort involved in the preference elicitation process, matrix factorization approach is employed so that only a few representative latent factors are extracted to represent the massive amount of items available in the system. In comparison with another existing approach, our method significantly improves the accuracy of the initial user profile while requiring limited amount of user effort.
机译：推荐系统是一种有效的方法，可根据用户的喜好在众多可用项目中找到他们感兴趣的项目。但是，在系统中没有任何记录的情况下为新用户提供准确的建议是一项挑战。我们力求提供一种通过个性化偏好启发来建立初始用户资料的新方法。另外，为了确保在偏好激发过程中涉及的用户工作量有限，采用矩阵分解方法，以便仅提取一些代表性的潜在因素来表示系统中可用的大量项目。与另一种现有方法相比，我们的方法显着提高了初始用户配置文件的准确性，同时需要有限的用户工作量。

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