• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Mathematical Problems in Engineering >Personalized Recommendation via Suppressing Excessive Diffusion
【24h】

Personalized Recommendation via Suppressing Excessive Diffusion

机译：通过抑制过度扩散的个性化推荐

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Efficient recommendation algorithms are fundamental to solve the problem of information overload in modern society. In physical dynamics, mass diffusion is a powerful tool to alleviate the long-standing problems of recommendation systems. However, popularity bias and redundant similarity have not been adequately studied in the literature, which are essentially caused by excessive diffusion and will lead to similarity estimation deviation and recommendation performance degradation. In this paper, we penalize the popular objects by appropriately dividing the popularity of objects and then leverage the second-order similarity to suppress excessive diffusion. Evaluation on three real benchmark datasets (MovieLens, Amazon, and RYM) by 10-fold cross-validation demonstrates that our method outperforms the mainstream baselines in accuracy, diversity, and novelty.
机译：高效的推荐算法是解决现代社会信息过载问题的基础。在物理动力学中，质量扩散是缓解推荐系统长期存在的问题的有力工具。但是，文献中尚未对流行性偏差和冗余相似性进行充分的研究，这主要是由于过度扩散所致，并且会导致相似性估计偏差和推荐性能下降。在本文中，我们通过适当地划分对象的受欢迎程度来惩罚受欢迎的对象，然后利用二阶相似度来抑制过度扩散。通过10倍交叉验证对三个真实基准数据集（MovieLens，Amazon和RYM）进行的评估表明，我们的方法在准确性，多样性和新颖性方面均优于主流基准。

著录项

  • 来源
    《Mathematical Problems in Engineering》 |2017年第6期|2587069.1-2587069.10|共10页
  • 作者

    Chen Guilin; Zhu Xuzhen; Yang Zhao; Tian Hui;

  • 作者单位

    Beijing Univ Posts & Telecommun, State Key Lab Networking & Switching Technol, Beijing 100876, Peoples R China;

    Beijing Univ Posts & Telecommun, State Key Lab Networking & Switching Technol, Beijing 100876, Peoples R China;

    Beijing Univ Posts & Telecommun, State Key Lab Networking & Switching Technol, Beijing 100876, Peoples R China;

    Beijing Univ Posts & Telecommun, State Key Lab Networking & Switching Technol, Beijing 100876, Peoples R China;

  • 收录信息
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

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