Estou trabalhando em um projeto para filtragem colaborativa (CF), ou seja, concluindo uma matriz parcialmente observada ou, mais geralmente, tensor. Eu sou um novato em campo e, para este projeto, eventualmente, tenho que comparar nosso método com outros conhecidos que, atualmente, os métodos propostos são comparados com eles, ou seja, o estado da arte em CF.
Minha pesquisa revelou os seguintes métodos. Na verdade, eu os encontrei olhando alguns desses papéis e suas referências, ou olhando a seção de experimentos quando eles fazem comparações. Ficaria feliz em saber sobre um novo método proposto e fazer uma comparação com o SoTA. Qual das opções a seguir seria uma boa opção? Se não estiver entre eles, ficaria feliz em conhecer um bom representante.
Baseado na fatoração matricial:
- Aproximação ponderada de baixa patente (ICML 2003)
- Modelando perfis de classificação de usuário para filtragem colaborativa (NIPS 2003)
- O modelo de múltiplos fatores multiplicativos para filtragem colaborativa (ICML 2004)
- Fatoração matricial de margem máxima rápida para previsão colaborativa (ICML 2005)
- Fatoração probabilística de matrizes (NIPS 2007)
- Fatoração matricial probabilística bayesiana (ICML 2008)
- Modelos de fatores latentes baseados em regressão (KDD 2009)
- Fatoração de Matrizes Não Lineares com Processos Gaussianos (ICML 2009)
- Fatoração de Poissão Dinâmica (Conferência ACM sobre Sistemas de Recomendadores 2015)
Baseado na fatoração de tensores:
- Incorporando informações contextuais em sistemas de recomendação usando uma abordagem multidimensional (transações da ACM em sistemas de informação (TOIS) 2005)
- Fatoração probabilística bayesiana de tensores (SIAM Data Mining 2010)
- Conclusão do tensor de baixo escalão por otimização Riemanniana (BIT Numerical Mathematics 54.2 (2014))
Respostas:
Você também pode dar uma olhada no documento do Sistema de Recomendação de Gravidade (GRS), que também trata da fatoração de matriz. Os autores competiram usando esse algoritmo no conhecido Prêmio Netflix.
fonte