ฉันกำลังทำงานในโครงการสำหรับการกรองร่วมกัน (CF) เช่นการทำเมทริกซ์ที่สังเกตได้บางส่วนหรือเทนเซอร์ทั่วไป ฉันเป็นมือใหม่ในสนามและสำหรับโครงการนี้ในที่สุดฉันก็ต้องเปรียบเทียบวิธีการของเรากับคนอื่น ๆ ที่รู้จักกันดีว่าทุกวันนี้มีการเปรียบเทียบวิธีที่เสนอกับพวกเขานั่นคือ state-of-the-art
การค้นหาของฉันเปิดเผยวิธีการดังต่อไปนี้ แน่นอนฉันเจอพวกเขาโดยดูที่เอกสารเหล่านี้บางส่วนและการอ้างอิงของพวกเขาหรือโดยดูที่ส่วนการทดลองเมื่อพวกเขาทำการเปรียบเทียบ ฉันยินดีที่จะทราบวิธีการเสนอใหม่และทำการเปรียบเทียบกับ SoTA ข้อใดต่อไปนี้เป็นทางเลือกที่ดีที่จะทำ หากไม่ใช่ในหมู่พวกเขาฉันยินดีที่จะรู้จักตัวแทนที่ดี
ขึ้นอยู่กับการแยกตัวประกอบเมทริกซ์:
- การจัดอันดับโดยถ่วงน้ำหนักต่ำ (ICML 2003)
- การสร้างแบบจำลองโปรไฟล์คะแนนผู้ใช้สำหรับการกรองแบบร่วมมือกัน (NIPS 2003)
- รูปแบบ Multiplicative Factor หลายตัวสำหรับการกรองแบบร่วมมือกัน (ICML 2004)
- การแยกตัวประกอบอัตรากำไรขั้นต้นสูงสุดอย่างรวดเร็วสำหรับการคาดการณ์ความร่วมมือ (ICML 2005)
- การแยกตัวประกอบเมทริกซ์น่าจะเป็น (NIPS 2007)
- การแยกตัวประกอบเมทริกซ์น่าจะเป็นแบบเบย์ (ICML 2008)
- แบบจำลองปัจจัยแฝงที่อิงตามการถดถอย (KDD 2009)
- การแยกตัวประกอบเมทริกซ์แบบไม่เชิงเส้นด้วยกระบวนการเกาส์เซียน (ICML 2009)
- การแยกตัวประกอบการทรงตัวแบบไดนามิก (การประชุม ACM บนระบบผู้แนะนำ 2015)
ขึ้นอยู่กับการแยกตัวประกอบแรงดึง:
- การรวมข้อมูลบริบทในระบบผู้แนะนำโดยใช้วิธีการหลายมิติ (ธุรกรรม ACM ในระบบข้อมูล (TOIS) 2005)
- Bayesian Probabilistic Tensor Factorization (SIAM Data Mining 2010)
- เสร็จสิ้นการจัดอันดับต่ำโดยการเพิ่มประสิทธิภาพ Riemannian (คณิตศาสตร์เชิงตัวเลข BIT 54.2 (2014)