Sto lavorando a un progetto per il filtro collaborativo (CF), ovvero il completamento di una matrice parzialmente osservata o più generalmente tensore. Sono un principiante sul campo, e per questo progetto alla fine devo confrontare il nostro metodo con altri ben noti che al giorno d'oggi, i metodi proposti vengono confrontati con loro, vale a dire lo stato dell'arte in CF.
La mia ricerca ha rivelato i seguenti metodi. In effetti mi sono imbattuto in loro guardando alcuni di questi documenti e i loro riferimenti, o guardando la sezione degli esperimenti quando fanno i confronti. Sarei felice di conoscere un nuovo metodo proposto e di fare un confronto con SoTA, quale delle seguenti sarebbe una buona scelta per farlo? Se non fosse tra questi, sarei felice di conoscere un buon rappresentante.
Basato sulla fattorizzazione a matrice:
- Approssimazione di basso rango ponderato (ICML 2003)
- Modellazione dei profili di valutazione degli utenti per il filtro collaborativo (NIPS 2003)
- Il modello a fattore moltiplicativo multiplo per il filtro collaborativo (ICML 2004)
- Fattorizzazione rapida della matrice del margine massimo per la previsione collaborativa (ICML 2005)
- Fattorizzazione a matrice probabilistica (NIPS 2007)
- Fattorizzazione a matrice probabilistica bayesiana (ICML 2008)
- Modelli di fattore latente basati sulla regressione (KDD 2009)
- Fattorizzazione a matrice non lineare con processi gaussiani (ICML 2009)
- Fattorizzazione dinamica delle pozioni (Conferenza ACM sui sistemi di raccomandazione 2015)
Basato sulla fattorizzazione tensoriale:
- Incorporazione di informazioni contestuali nei sistemi di raccomandazione utilizzando un approccio multidimensionale (ACM Transactions on Information Systems (TOIS) 2005)
- Fattorizzazione del tensore probabilistico bayesiano (SIAM Data Mining 2010)
- Completamento del tensore di basso rango mediante ottimizzazione di Riemannian (BIT Numerical Mathematics 54.2 (2014))