GBPR: Group Preference Based Bayesian Personalized Ranking for One-Class Collaborative Filtering

GBPR: Group Preference Based Bayesian Personalized Ranking for One-Class Collaborative Filtering

IJCAI(CCF A)-Weike Pan,Li Chen-2013

思路

1. 在成对排序方法中的两个基本假设：两个项目的个人成对偏好和两个用户之间的独立性，可能并不总是成立；
2. 提出新的建议假设，GBPR通过引入更丰富的用户之间的互动。特别是，引入群体偏好，使上述个人和独立性假设放松；
3. 成对排序：具有相对偏好的成对排序、具有相对偏好的成对排序。

准备工作

一、问题定义：
使用表示用户和项目集合。每个用户都有一组积极反馈【如，喜欢】的项目。我们的目标是像每个用户推荐中的个性化排名列表。这种问题被称为一类协同过滤或与隐式反馈协作的排名问题。
二、成对偏好的似然性：

用这样的公式表示用户u的成对偏好，如果公式=1，说明为真，即偏好i；否则，偏好j。这就是二进制随机变量公式。<