面向相似App推荐的列表式多核相似性学习算法

摘要：

相似App推荐可以有效帮助用户发现其所感兴趣的App.与以往的相似性学习不同,相似App推荐场景主要面向的是排序问题.本文主要研究在排序场景下如何学习相似性函数.已有的工作仅关注绝对相似性或基于三元组的相似性.本文建模了列表式的相似性,并将三元组相似性与列表式相似性用统一的面向排序场景的相对相似性学习框架来描述,提出了基于列表的多核相似性学习算法SimListMKL.实验证明,该算法在真实的相似App推荐场景下性能优于已有的基于三元组相似性学习算法.

关键词：相似App推荐、多核学习、相对相似性、相似性学习、列表式学习

所属期刊栏目：26

分类号：TP3;G43

在线出版日期：2017-02-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：116-121