Temporal diversity in recommender systems
Temporal diversity in recommender systems
复制标题
推荐系统中的时间多样性
DOI：
10.1145/1835449.1835486
复制
发表时间：
2010
期刊：
影响因子：
--
通讯作者：
Lathia N
中科院分区：
文献类型：
--
作者：
Lathia N
协作过滤(CF)算法用于构建基于Web的推荐系统，通常根据它们预测用户评级的准确性进行评估。然而，目前的评价技术忽视了这样一个事实，即用户继续随着时间的推移对项目进行评级：没有调查系统排名靠前的建议的时间特征。特别是，没有办法衡量相同的项目被反复推荐给用户的程度。在这项工作中，我们展示了时间多样性是推荐系统的一个重要方面，通过展示CF数据如何随时间变化和执行用户调查。然后，我们从推荐列表序列的差异性角度对三种算法进行了评估。我们研究了用户评级模式的一些特征(包括档案大小和评级间隔时间)如何影响多样性。然后，我们提出并评估了SET方法，这些方法最大化了时间推荐的多样性，而不会广泛地影响准确性。
Collaborative Filtering (CF) algorithms, used to build web-based recommender systems, are often evaluated in terms of howaccuratelythey predict user ratings. However, current evaluation techniques disregard the fact that users continue to rate itemsover time: the temporal characteristics of the system's top-Nrecommendations are not investigated. In particular, there is no means of measuring the extent that thesame itemsare being recommended to users over and over again. In this work, we show that temporal diversity is an important facet of recommender systems, by showing how CF data changes over time and performing a user survey. We then evaluate three CF algorithms from the point of view of thediversityin the sequence of recommendation lists they produce over time. We examine how a number of characteristics of user rating patterns (including profile size and time between rating) affect diversity. We then propose and evaluate set methods that maximise temporal recommendation diversity without extensively penalising accuracy.
C-TEST：支持测试文件中的新颖性和多样性以进行搜索调整
DOI：
--
发表时间：
2009
期刊：
Annual International ACM SIGIR Conference on Research and Development in Information Retrieval
影响因子：
--
作者：
D. Hawking;Tom Rowlands;Paul Thomas
通讯作者：
Paul Thomas