藉由資料導向的特徵轉換改進流形正則化單類別協同過濾模型

連彥傑

doi:10.6342/NTU201601737

山西大学，您好！

感谢采购，人社期刊库｜人社论文库，期间：2025/01/01~2025/12/31

感谢试用，科学期刊库｜科学论文库，期间：2024/10/20~2025/01/20

浏览高级检索

关闭
检索检索高级检索出版物检索
浏览期刊主题浏览核心期刊浏览期刊拼音浏览

关闭

查询符号(半角)	查询符号意义说明
空格	表示为「AND」两个查询词之交集
双引号 ( " " )	片语以双引号标示开始及结束，而且只寻找出现顺序相同的字词，例： " image process "
?	表示一个字母切截，输入两个?表两个字母，依此类推，例：输入「Appl?」，查得结果应为appl e , appl y … ( 常用于英文字查询 )
*	表示不限字母切截，由0~n. 例：输入「appl*」，查得结果应为appl e , appl es , appl y , appl ied , appl ication … ( 常用于英文字查询 )
AND、OR、NOT	布尔逻辑组合关键字，用来扩大或缩小查询范围的技巧。 (1) AND ：缩小查询范围 (2) OR ：扩大查询范围(3) NOT：排除不相关的范围

DOI 是数位物件识别码（ D igital O bject I dentifier ）的简称，
为物件在网路上的唯一识别码，可用于永久连结并引用目标物件。

使用DOI作为永久连结

每个DOI号前面加上「 http://dx.doi.org/ 」便成为永久网址。
如以DOI号为 10.5297/ser.1201.002 的文献为例，此文献的永久连结便是： http://dx.doi.org/ 10.5297/ser.1201.002 。
日后不论出版单位如何更动此文献位置，永久连结所指向的位置皆会即时更新，不再错失重要的研究。

引用含有DOI的文献

有DOI的文献在引用时皆应同时引用DOI。若使用APA、Chicago以外未规范DOI的引用格式，可引用DOI永久连结。

DOI可强化引用精确性、增强学术圈连结，并给予使用者跨平台的良好使用经验，目前在全世界已有超过五千万个对象申请DOI。如想对DOI的使用与概念有进一步了解，请参考（）。

书目管理工具

相关连结

问题回报

全文下载

藉由资料导向的特徵转换改进流形正则化单类别协同过滤模型

Improving One-class Collaborative Filtering with Manifold Regularization by Data-driven Feature Transformation

连彦杰 , 硕士　　导师：郑卜壬　　

英文 DOI： 10.6342/NTU201601737

流形正则化；特徵转换；单类别协同过滤；推荐系统；贝氏个人化排序； Manifold Regularization ； Feature Transformation ； One-class Collaborative Filtering ； Recommender System ； Bayesian Personalized Ranking

0 个人觉得这篇文章赞

摘要 │ 参考文献 (15) │ 国际计量

摘要〈TOP〉

并列摘要〈TOP〉

Manifold Regularization is introduced to the field of recommender system for combining additional features into collaborative filtering. However, most works choose features to incorporate intuitively or by domain knowledge. Besides, the effect of feature combination needs to be considered. Although some methods of dimension reduction help to transform raw features to latent space with combination for usage, these approaches cannot give an appropriate representation for the problem of recommendation because they are based only on the semantic of features. In this work, we design a data-driven framework for training of transformation function. For the idea of manifold regularization that similar features bring similar behavior, our approach uses   an item-based method and a ranking framework to optimize the representation function of item's feature from user's feedback data. In the experiment, we show that for manifold regularized model, the transformed features through the proposed method can boost performance better for recommendation problem compared with raw feature and semantic-based transformed features. Besides, we also show our framework's capability of detecting quality of feature for recommendation task.

参考文献 ( 15 ) 〈TOP〉

[1] M. Belkin, P. Niyogi, and V. Sindhwani. Manifold regularization: A geometric framework for learning from labeled and unlabeled examples. Journal of Machine Learning Research, 7:2399–2434, 2006.
连结：
[2] L. Du, X. Li, and Y.-D. Shen. User graph regularized pairwise matrix factorization for item recommendation. In Proceedings of the 7th International Conference on Advanced Data Mining and Applications - Volume Part II, ADMA’11, pages 372–385, 2011.
连结：
[3] Y. Gu, B. Zhao, D. Hardtke, and Y. Sun. Learning global term weights for content-based recommender systems. In Proceedings of the 25th International Conference on World Wide Web, WWW ’16, pages 391–400. International World Wide Web Conferences Steering Committee, 2016.
连结：
[4] R. He and J. McAuley. VBPR: visual bayesian personalized ranking from implicit feedback. In AAAI Conference on Artificial Intelligence, 2016.
连结：
[6] I. Jolliffe. Principal component analysis. Wiley Online Library, 2002.
连结：

国际计量

〈TOP〉

E-mail ：

文章公开取用时，将寄通知信至您填写的信箱地址

E-mail ：

使用DOI作为永久连结

引用含有DOI的文献

DOI可强化引用精确性、增强学术圈连结，并给予使用者跨平台的良好使用经验，目前在全世界已有超过五千万个对象申请DOI。 如想对DOI的使用与概念有进一步了解，请参考 （ ） 。

DOI可强化引用精确性、增强学术圈连结，并给予使用者跨平台的良好使用经验，目前在全世界已有超过五千万个对象申请DOI。如想对DOI的使用与概念有进一步了解，请参考（）。