我正在阅读CF中的一些论文，并注意到大多数最先进的方法仅基于评级矩阵上的不同因数分解方法。我想知道在将内容信息(如用户特征、物品特征)结合到因子分解中是否有代表性的作品?什么好主意吗?
我是推荐系统领域的研究人员，并在这方面做了一些工作。这里有一些关于这个主题的论文:
- Aditya Krishna Menon, Charles Elkan:具有潜在特征的对数线性模型用于二元预测，ICDM 2010
- David Stern, Ralf Herbrich, and Thore Graepel:火柴盒:大规模贝叶斯推荐，WWW 2009
- 王冲，David Blei，协同主题模型在科学论文推荐中的应用，KDD 2011
- Zeno Gantner, Lucas drummond, Christoph Freudenthaler, Steffen Rendle, Lars Schmidt-Thieme:基于冷启动建议的属性-特征映射学习，ICDM 2010
- D。阿加瓦尔和b.c。陈。基于回归的潜在因子模型，KDD 2009
- D。阿加瓦尔和b.c。陈。fLDA:基于潜在dirichlet分配的矩阵分解，WSDM 2010
请注意(4)是我的论文，所以这也是某种广告;-)
此外，2011年KDD杯涉及到一个项目分类，并且在研讨会上已经有了一些关于将这种分类信息与潜在因素模型相结合的有趣工作:http://kddcup.yahoo.com/workshop.php
参见"混合协同过滤技术" in
X。Su, T. M. Khoshgoftaar，协同过滤技术综述，人工智能进展(2009)。PDF