元学习和推荐系统：协同过滤算法选择问题的文献综述和实证研究

Posted 2021-05-01 专知

导读

本文对推荐系统和元学习做了文献综述，并讨论了推荐系统的算法选择问题，对所总结的元学习方法进行实验研究，以确定自动选择推荐算法的最有效的方式。

编译 | Xiaowen

摘要

信息过载的问题促使推荐系统的出现。从这方面的几个开放问题来看， 其中决定针对特定问题的最佳推荐算法这一任务，是最重要和研究较少的方向之一。  目前解决这一问题的趋势是在少数几个数据集中对几种推荐算法进行实验评估。然而，这些研究需要大量的计算资源，处理时间很长。为了避免这些缺点，研究人员研究了元学习在不同范围内选择最佳推荐算法的方法。这样的研究可以理解数据特征与推荐算法的相对性能之间的关系，可以用来选择一个新问题的最佳算法。本研究的贡献有两方面：1）通过系统的文献综述来识别和讨论推荐算法的算法选择的关键概念；2）对所总结的元学习方法进行实验研究，以确定自动选择推荐算法的最有效的方式。

关键词

Metalearning, Algorithm Selection, Recommendation System, Collaborative Filtering

目录

• Introduction
• Recommender Systems
• Metalearning
• Algorithm selection for Recommender
• Empirical study
• Conclusions

论文地址：

https://www.researchgate.net/publication/319953218_Metalearning_and_Recommender_Systems_A_literature_review_and_empirical_study_on_the_algorithm_selection_problem_for_Collaborative_Filtering

专知，专业可信的人工智能知识分发，让认知协作更快更好！ 欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程视频资料和与专家交流咨询！

点击“阅读原文”，了解使用专知，查看5000+AI主题知识资料