CF (collaborative filtering)를위한 프로젝트, 즉 부분적으로 관찰 된 매트릭스 또는보다 일반적으로 텐서를 완성하는 중입니다. 나는이 분야의 초보자이며,이 프로젝트를 위해 우리의 방법을 요즘 제안 된 방법, 즉 CF의 최신 기술과 비교하는 다른 잘 알려진 방법과 비교해야합니다.
내 검색에서 다음 방법이 밝혀졌습니다. 실제로 나는이 논문들과 참고 문헌을 보거나 그들이 비교할 때 실험 섹션을 보았을 때 그것들을 발견했습니다. 제안 된 새로운 방법을 알고 SoTA와 비교할 수 있다면 기꺼이 다음 중 어느 것이 좋을까요? 그들 중 하나가 아니라면, 나는 좋은 대표를 알게되어 기쁘다.
행렬 분해를 기반으로 :
- 가중 낮은 순위 근사 (ICML 2003)
- 협업 필터링을위한 사용자 평가 프로파일 모델링 (NIPS 2003)
- 공동 필터링을위한 다중 곱셈 요소 모델 (ICML 2004)
- 협업 예측을위한 빠른 최대 마진 매트릭스 인수 분해 (ICML 2005)
- 확률 적 행렬 분해 (NIPS 2007)
- 베이지안 확률 행렬 인수 분해 (ICML 2008)
- 회귀 기반 잠재 계수 모델 (KDD 2009)
- 가우스 프로세스를 사용한 비선형 매트릭스 인수 분해 (ICML 2009)
- 동적 포지션 인수 분해 (Recommender Systems 2015의 ACM 컨퍼런스)
텐서 분해에 기반 :
- 다차원 접근 방식을 사용하여 Recommender 시스템에 컨텍스트 정보 통합 (TOM (Information Systems on Information Systems) 2005)
- 베이지안 확률 텐서 인수 분해 (SIAM 데이터 마이닝 2010)
- 리만 최적화로 낮은 순위 텐서 완료 (BIT 수치 수학 54.2 (2014))
1
지속적인 데이터를위한 텐서? 혼합 데이터? 범주 형 데이터? 당신이 말하지 않기 때문에, 우리는 연속적이라고 가정 할 수 있습니다. David Dunson의 Bayesian Tensor Regression 은 통찰력 또는 지침을 제공 할 수있는 텐서 우발성 테이블에 대한 접근 방식이지만 RS 접근 방식은 아닙니다. researchgate.net/publication/… 또한, 그의 웹 사이트에서 Duke U에있는 논문을 확인하십시오.
—
Mike Hunter
음이 아닌 행렬 분해 (NMF)를 고려할 수도 있습니다.
—
diadochos
귀하의 목록은 합리적으로 보이며 신경 네트워크를 기반으로 한 방법을 추가 할 것입니다. 시작하기에 좋은 설문지가 있습니다 : arxiv.org/pdf/1707.07435.pdf
—
sebp