Key points are not available for this paper at this time.
Le filtrage collaboratif et le filtrage basé sur le contenu sont deux paradigmes qui ont été appliqués dans le contexte des systèmes de recommandation et de la prédiction des préférences utilisateur. Cet article propose une approche novatrice et unifiée qui intègre systématiquement toutes les informations d'entraînement disponibles, telles que les évaluations passées utilisateur-élément ainsi que les attributs des éléments ou des utilisateurs, pour apprendre une fonction de prédiction. L'ingrédient clé de notre méthode est la conception d'un noyau ou d'une fonction de similarité appropriée entre les paires utilisateur-élément qui permet une généralisation simultanée à travers les dimensions utilisateur et élément. Nous proposons un algorithme en ligne (JRank) qui généralise l'apprentissage par perceptron. Les résultats expérimentaux sur l'ensemble de données EachMovie montrent des améliorations significatives par rapport aux approches standard.
Basilico et al. (Thu,) ont étudié cette question.