主动学习在推荐系统中的应用

摘要：

近年来,推荐技术迅速发展,日趋成熟.但是,多数推荐算法都建立在一个理想的假设下,即有足够多的样本数据供我们训练出成熟的模型用于预测或推荐.在实际工业化生产中,一方面,大多数的用户和项目只拥有极少量的标签信息;另一方面,即使依靠历史积累形成的数据集,在分布上也十分不均衡,难以学习出可靠的推荐模型.主动学习的思想认为每个项目给系统带来的"好处"是不等的,因而可以通过特定策略选择某些项目,借助用户与项目之间的交互行为来主动获取相关的偏好信息.应用在推荐系统中的主动学习试图选择数量更少、质量更高的样本来训练模型,既能提高用户体验,又能免受数据集不均衡的束缚.文中综述了近年来主动学习在推荐系统中的应用,并对其发展趋势进行分析.

关键词：推荐系统、主动学习、冷启动、成员查询、基于会话

所属期刊栏目：46

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金项目61272438,61202376,61472253;上海市科委项目14511107702;上海市教委科研创新项目13ZZ112,13YZ075

在线出版日期：2019-12-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：153-158,184