IJCAI13 Web and Knowledge-based Information Systems概述（1）

Web and Knowledge-based Information Systems方向共有26篇文章，我看了其中13篇，有6篇和recommendation有关。

 

有3篇文章可能比较重要，下面详细介绍：

Recommendation（2）

1.      Promoting Diversity in Recommendation by Entropy Regularizer

问题：based on user and item similarity的推荐系统存在over-specified的问题

目的：

解决推荐列表趋同化的问题，引入多样性并用Entropy Regularizer来进行度量，提高推荐列表的多样性。

方法：

1)      定义函数g(S)度量一组rating的不确定性，R(S)表示推荐集的质量

2)      目标函数为最大化评价函数R(S) +λg(S)

3)      由于定义函数具有良好性质（Submodularity &Monotonicity），用贪心法可求得近似最优解

 

2.      Collaborative Topic Regression with Social Regularization for Tag Recommendation

目的：引入social network between items的信息改善标签推荐

方法：

1)      目前常用方式有：

a)        item-tag matrix：use the co-occurrence of tags among items

b)        item content information：directly adopt the content of resources

2)      文章首先用CTR模型将上述两方面信息结合起来，用MAP估计学习参数

3)      在此基础上继续引入social network between items（比如文章的引用关系）扩展为CTR with social regularization模型

 

Social media（1）

3.      PageRank with Priors: An Influence Propagation Perspective

目的：建立网页的authority measurement和社交网络的influence modeling的联系

方法：

1)      文章首先构造一个衡量社交网络影响力的线性模型

2)      然后证明该模型等同于带有先验知识的PageRank算法，即PageRank算法为此模型的特例

3)      建立了利用PageRank value构造上界以寻找top-K authoritative nodes with general priors的算法