【论文阅读笔记】Challenging the Long Tail Recommendation（挑战长尾推荐）

摘要

论文链接Challenging the Long Tail Recommendation

针对长尾推荐问题，提出三种基于图的算法
1）Hitting Time algorithm
2）Absorbing Time algorithm
3）Absorbing Cost algorithm

算法

1、算法问题定义

三种算法都是基于图表示的user-item 信息

如上图，$U_i$Ui​表示用户 $i$i，$M_j$Mj​表示电影 $j$j。上图右下角为用户-电影评分数据（称作邻接矩阵，用A表示），评分信息在图结构中用U-M连线的权重表示，U-M之间没有连线表示该用户没有看过这部电影。

此时问题就转化为如下：
给定一个 user-item 加权无向图 G(V,E)，和其邻接矩阵A，以及一个用户节点 q，寻找 k 个item满足以下条件：最接近用户节点q；item在长尾部分。

2、算法：

三种算法都是基于随机游走（random work）来计算相似度
1）Hitting Time algorithm
2）Absorbing Time algorithm
3）Absorbing Cost algorithm
该算法基于以下假设：爱好广泛（例如爱好多种电影）的用户和爱好专一的用户的评分数据的价值不同。因此作者提出一种新的特征 user-entropy（用户熵），用来表示从一个item节点跳跃到用户结点所需要的 “成本” 。作者提出两种user-entropy：item-based user entropy和topic-based uer entropy。

item-based user entropy 计算公式：

其中$w(i,j)$w(i,j)是用户 i 对 item j 的评分数据。

topic-based uer entropy 计算公式：
$E(u) =-\sum_{z_i \in T}p(z_i|\theta_u)log\ p(z_i|\theta_u)$E(u)=−zi​∈T∑​p(zi​∣θu​)log p(zi​∣θu​)
其中用户主题概率分布是基于LDA得到的（具体不作介绍）。

3、实验和评估

数据集：Movielens 1M数据集 和作者自己爬取的豆瓣电影评分数据集。

评估标准
准确率：作者采用的是召回率
长尾评估：popularity（frequency of rating）
质量评估：推荐序列和用户兴趣序列的相似度
多样性
效率：耗费时间

模型训练
由于采用整个user-item graph训练复杂度会特别高，因此作者选取一定数量（记为 $\mu$μ ）节点的子图来进行训练，并对这个数量 $\mu$μ 的取值做了一定探讨，发现采取一定量节点的子图对模型效果影响不大，但是极大提升训练效率：

PS：目前论文中还有部分没有完全搞懂的地方，搞懂之后继续补充，第一次写博客，多包涵。