-
题名个体及团体异构多方面评分行为建模
被引量：2
- 1
-
-
作者
刘鲍鹏
赵宵飒
胡一睿
傅衍杰
-
机构
中佛罗里达大学
东北师范大学
盖辛格
-
出处
《数据与计算发展前沿》
2020年第2期59-77,共19页
-
文摘
【目的】除了提供总体评分,多方面评分系统还可以提供更详细的方面评分,因此它可以帮助消费者更好地理解商品和服务。通过对多方面评分系统评分模式的建模,我们可以更好地发现潜在的评分组以及定量地理解这些评分组的评分行为。另外,这种建模也可以帮助服务提供者更好地改进他们的服务以吸引更多消费者。但是,由于多方面评分系统的复杂特性,对它的建模存在很多挑战。【方法】为了解决这些问题,本文提出了一种两步框架来从多方面评分系统中学习评分模式。详细地说,我们首先提出一种多分解关系学习方法(MFRL)来得到用户和商品的方面因素矩阵。在MFRL中,我们将矩阵分解,多任务学习和任务关系学习引入到同一个优化框架内。然后,我们将MFRL学习得来的用户和商品向量表征作为输入,通过高斯混合模型来构建组与组之间总体评分预测。【结果】我们在真实数据集上验证了提出的研究框架。大量实验结果表明我们提出的方法的有效性。【结论】用户异质性会潜在地影响用户的评分行为,因此在对个体及团体的评分行为进行建模时,要充分考虑到目标异质性带来的影响。
-
关键词
多方面评分
推荐系统
多任务学习
关系学习
用户行为
-
Keywords
Multi-Aspect Rating
Recommender System
Multi-Task Learning
Relationship Learning
User Behavior
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
