主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2018年第12期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
印鉴,王智圣,李琪,苏伟杰.基于大规模隐式反馈的个性化推荐.软件学报,2014,25(9):1953-1966
基于大规模隐式反馈的个性化推荐
Personalized Recommendation Based on Large-Scale Implicit Feedback
投稿时间:2014-04-10  修订日期:2014-05-14
DOI:10.13328/j.cnki.jos.004648
中文关键词:  隐式反馈  推荐系统  大数据  MapReduce
英文关键词:implicit feedback  recommendation system  big data  MapReduce
基金项目:国家自然科学基金(61033010, 61272065, 61472453); 广东省自然科学基金(S2011020001182, S2012010009311); 广东省科技计划项目(2011B040200007, 2012A010701013)
作者单位E-mail
印鉴 中山大学 信息科学与技术学院, 广东 广州 510006 issjyin@mail.sysu.edu.cn 
王智圣 中山大学 信息科学与技术学院, 广东 广州 510006  
李琪 中山大学 信息科学与技术学院, 广东 广州 510006  
苏伟杰 中山大学 信息科学与技术学院, 广东 广州 510006  
摘要点击次数: 3872
全文下载次数: 3700
中文摘要:
      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.
英文摘要:
      This paper explores the area of personalized recommendation based on large-scale implicit feedback, where only positive feedback is available. To tackle the difficulty arising from lack of negative samples, a novel latent factor model IFRM is proposed, to convert the recommendation task into adoption probability optimization problem. To further improve efficiency and scalability, a parallel version of IFRM named p-IFRM is presented. By randomly partitioning users and items into buckets and thus reconstructing update sequence, IFRM can be learnt in parallel. The study theoretically derives the model from Bayesian analysis and experimentally demonstrates its effectiveness and efficiency by implementing p-IFRM under MapReduce framework and conducting comprehensive experiments on real world large datasets. The experiment results show that the model improves recommendation quality and performs well in scalability.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利