论文笔记：Collaborative User Network Embedding for Social Recommender Systems

一、基本信息

论文题目：《Collaborative User Network Embedding for Social Recommender Systems》

发表时间：SIAM 2017

论文作者及单位：

Chuxu Zhang∗ Lu Yu† Yan Wang∗ Chirag Shah∗ Xiangliang Zhang†

论文地址：https://epubs.siam.org/doi/pdf/10.1137/1.9781611974973.43

 

二、摘要

        为了解决推荐系统中数据稀疏和冷启动的问题，研究者们引入了社会信息（如用户信任链接）来补充评级数据，以提高传统的基于模型的推荐技术如矩阵分解（MF）和贝叶斯个性化排名（BPR）的性能。尽管效果显著，但直接从此类社交信息中提取的明确用户-用户关系的利用有三个主要限制。

首先，很难获得明确可靠的社会联系。只有一小部分用户在推荐系统中明确表示他们信任的朋友。

其次，“冷启动”用户不仅在评级上“冷”，而且在社交上也是“冷”的。对于“冷启动”用户来说，没有明显数量的明确的社会信息是有用的。

第三，一个活跃的用户可以与不同品味/偏好的人建立社交关系。直接使用明确的社交链接可能会误导推荐。

为了解决这些问题，我们建议从用户反馈中提取隐含和可靠的社会信息，并为每个用户识别Top-k语义朋友。我们将Top-K语义友元信息合并到MF和BPR框架中，分别解决了评分预测和项目排序问题。在三个真实数据集上的实验结果表明，我们提出的方法比具