Key points are not available for this paper at this time.
추천 시스템은 사용자에게 제품이나 서비스에 대한 맞춤형 제안을 제공합니다. 이러한 시스템은 종종 과거 거래를 분석하여 사용자와 제품 간의 연결을 설정하는 협업 필터링(CF)에 의존합니다. CF에 대한 두 가지 성공적인 접근법은 사용자와 제품을 직접 프로파일링하는 잠재 요인 모델과 제품 또는 사용자 간의 유사성을 분석하는 이웃 모델입니다. 본 연구에서는 두 접근법 모두에 대한 혁신을 도입합니다. 이제 팩터와 이웃 모델이 원활하게 결합되어 더 정확한 결합 모델을 구축할 수 있습니다. 사용자에 의한 명시적 및 암시적 피드백을 이용하여 모델을 확장함으로써 정확성 향상이 추가로 이루어집니다. 이 방법들은 넷플릭스 데이터에서 테스트되었습니다. 결과는 그 데이터셋에서 이전에 발표된 것보다 더 우수합니다. 또한, 우리는 상위 K 추천 작업에서의 성과를 기반으로 방법 간의 차이를 강조하는 새로운 평가 메트릭을 제안합니다.
예후다 코렌 (Sun,)이 이 질문을 연구했습니다.