COM：一种面向群推荐的生成模型

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了COM：一种面向群推荐的生成模型，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1388字，纯文字阅读大概需要2分钟。

内容图文

摘要 引言 相关工作 推荐系统 群推荐 一致性模型 问题描述 面向群推荐的一致性模型COnsensus Model for Group Recommendation 参数估计 推荐 内容信息融合 实验 实验设置 数据集 评价指标 推荐方法 实验结果 产品选择中主题的权重 主题分析 结论 摘要 引言

• • 摘要
  • 引言
  • 相关工作
    • 推荐系统
    • 群推荐
  • 一致性模型
    • 问题描述
    • 面向群推荐的一致性模型COnsensus Model for Group Recommendation
    • 参数估计
    • 推荐
    • 内容信息融合
  • 实验
    • 实验设置
      • 数据集
      • 评价指标
      • 推荐方法
    • 实验结果
    • 产品选择中主题的权重
    • 主题分析
  • 结论

摘要

引言

相关工作

推荐系统

群推荐

一致性模型

问题描述

面向群推荐的一致性模型(COnsensus Model for Group Recommendation)

参数估计

推荐

　　在向一个目标群gt进行推荐时，我们首先基于群体成员ugt发现群的主题分布。这个分布θgt可以通过对ugt根据如下公式进行吉布斯抽样学习到：
P(zj=k|z┐,uj=v,u┐j)∝?^ZUk,v(nGZgt,k,┐j+αk)(12)
　　在向群推荐产品时我们应该去匹配群的主题分布θgt，根据 生成模型，我们定义候选产品i的推荐得分如下：
P(i,|ugt,θgt)?∏u∈ugt∑z∈Zθgt,z??^ZUz,u(λ^u??^ZIz,i+(1?λ^u)??^UIu,i)(13)
　　式(13)嵌入了直觉(4)的想法（当选择产品时，群体中不同用户有着不同的影响力得分， 而这个影响力是取决于主题的）：如果主题z更与群gt相关，用户u是z上面的专家，那么用户u在产品选择时会更有影响力。用户u在主题z上面的知识用?ZUz,u来表示。在式(13)中，θgt,z??ZUz,u是给定主题z用户u在群体gt上的影响力得分。而λu??ZIz,i+(1?λ<span class="mi" id="MathJax-Span-

内容总结

以上是互联网集市为您收集整理的COM：一种面向群推荐的生成模型全部内容，希望文章能够帮你解决COM：一种面向群推荐的生成模型所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端