【论文阅读】Leveraging Social Connections to Improve Personalized Ranking for Collaborative Filtering

Zhao T, Mcauley J, King I, et al. Leveraging Social Connections to Improve Personalized Ranking for Collaborative Filtering[C]. conference on information and knowledge management, 2014: 261-270.

• 这篇论文是2014年发表在CIKM上的一篇工作，这篇工作第一次把社交网络关系加入到了BPR的猜想中，该作者认为用户都会更加倾向于用户朋友喜欢的东西，而目前的很多工作并没有考虑到这一点。
• 所以SBPR提出了以下两个猜想，1、用户更加喜欢自己有过正向反馈的物品而不是有过负向反馈或者没有过反馈的物品（与BPR的猜想一致）; 2、用户更加偏向于用户的朋友喜欢的物品而不是自己有负向反馈或者没有反馈的物品。
• 这两点猜想也就是PPT里面显示的公式。所以在训练的时候，不断的去加大这两个猜想的差值~

关于具体的代码，可以参考我的这一篇博文 SBPR 代码走读