李琪
- 作品数：2 被引量：81H指数：2
- 供职机构：中山大学信息科学与技术学院更多>>
- 发文基金：广东省科技计划工业攻关项目国家自然科学基金广东省自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于大规模隐式反馈的个性化推荐被引量：58
- 2014年
- 对如何利用大规模隐式反馈数据进行个性化推荐进行了研究,提出了潜在要素模型IFRM.该模型通过将推荐任务转化为选择行为发生概率的优化问题,克服了在隐式反馈推荐场景下只有正反馈而缺乏负反馈导致的困难.在此基础上,为了进一步提高效率和可扩展性,提出了并行化的隐式反馈推荐模型p-IFRM.该模型通过将用户及产品随机分桶并重构优化更新序列,达到了并行优化的目的.通过概率推导,所提出的模型有坚实的理论基础.通过在MapReduce并行计算框架下实现p-IFRM,并在大规模真实数据集上进行实验,可以证明所提出的模型能够有效提高推荐质量并且有良好的可扩展性.
- 印鉴王智圣李琪苏伟杰
- 关键词：隐式反馈推荐系统大数据
- 基于隐式用户反馈数据流的实时个性化推荐被引量：31
- 2016年
- 大多数的传统推荐系统是基于用户评分构建,并采用离线批量的训练模式.该文研究以下两个问题:(1)基于隐式用户反馈构建推荐系统.与显式评分相比,隐式反馈存在范围更广且更易于收集;(2)基于反馈数据流进行实时推荐,以此来保障更强的推荐时效性.为了克服由隐式反馈本质特征导致的不平衡类标问题,直接对可观察的用户选择行为进行概率建模,在训练时无需引入负样本.为了提高训练效率并及时抓住用户兴趣的变化,该文提出的在线学习算法在强化学习用户新倾向的同时弱化了学习用户惯常行为与噪声,通过比较反馈发生概率与用户置信度来为每一个反馈动态调节学习步长.最后,该文设计了在线评价机制,并在两个真实数据集上进行了丰富的实验.实验结果验证了所提方法的有效性,并展示了其在推荐精度、推荐多样性、可解释性、训练效率、健壮性以及冷启动适应能力等多个方面的优势.
- 王智圣李琪汪静印鉴
- 关键词：隐式反馈推荐系统
