Optimal Greedy Diversity for Recommendation
Optimal Greedy Diversity for Recommendation
复制标题
DOI：
--
复制
发表时间：
2015-07
期刊：
影响因子：
--
通讯作者：
Azin Ashkan;B. Kveton;S. Berkovsky;Zheng Wen
中科院分区：
文献类型：
--
作者：
Azin Ashkan;B. Kveton;S. Berkovsky;Zheng Wen
多样化的需求体现在各种推荐用例中。在这项工作中，我们提出了一种新颖的方法来多样化推荐项目列表，这使得项目的效用最大化，并受到其多样性的增加。从技术角度看，该问题可以看作是一个模函数在子模函数的多面体上的极大化问题，该问题可以用贪心法进行最优求解。我们在线下分析中评估了我们的方法，其中包括许多基线和指标，以及两个在线用户研究。在所有的实验中，我们的方法优于基线方法。
The need for diversification manifests in various recommendation use cases. In this work, we propose a novel approach to diversifying a list of recommended items, which maximizes the utility of the items subject to the increase in their diversity. From a technical perspective, the problem can be viewed as maximization of a modular function on the polytope of a submodular function, which can be solved optimally by a greedy method. We evaluate our approach in an offline analysis, which incorporates a number of baselines and metrics, and in two online user studies. In all the experiments, our method outperforms the baseline methods.