• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Annual international ACM SIGIR conference on research and development in information retrieval >Methods and Metrics for Cold-Start Recommendations
【24h】

Methods and Metrics for Cold-Start Recommendations

机译：冷启动建议的方法和指标

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

摘要

We have developed a method for recommending items that combines content and collaborative data under a single probabilistic framework. We benchmark our algorithm against a naive Bayes classifier on the cold-start problem, where we wish to recommend items that no one in the community has yet rated. We systematically explore three testing methodologies using a publicly available data set, and explain how these methods apply to specific real-world applications. We advocate heuristic recommenders when benchmarking to give competent baseline performance. We introduce a new performance metric, the CROC curve, and demonstrate empirically that the various components of our testing strategy combine to obtain deeper understanding of the performance characteristics of recommender systems. Though the emphasis of our testing is on cold-start recommending, our methods for recommending and evaluation are general.
机译：我们开发了一种推荐在单个概率框架下结合内容和协作数据的项目的方法。我们将我们的算法基准测试在冷启动问题上的天真贝叶斯分类器，我们希望推荐社区中没有人尚未评级的物品。我们系统地使用公开的数据集探索三种测试方法，并解释了这些方法如何适用于特定的现实应用程序。我们倡导启发式推荐人，以获得有能力的基线绩效。我们介绍了一种新的性能指标，CROC曲线，并经验证明了我们测试策略的各种组成部分结合，以便更深入地了解推荐系统的性能特征。虽然强调我们的测试是在冷启动推荐的情况下，但我们的推荐和评估方法是一般的。

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