Context-Aware Ranking with Factorization Models

Rangering basert på kontekst er en sentral oppgave med mange bruksområder, som for eksempel i anbefalingssystemer hvor produkter, filmer og lignende skal rangeres, samt i søkemotorer der nettsider vurderes. I alle disse situasjonene er rangeringen ikke statisk, men avhenger sterkt av konteksten. Enkle konteksteksempler er brukeren for anbefalingssystemer og forespørselen for søkemotorer, mens mer komplekse kontekster kan inkludere tid, tidligere handlinger, med mer. Et hovedproblem innen dette feltet er at de variable domene, for eksempel kunder og produkter, ofte er kategoriske og enorme, observert data er vanligvis veldig spredte, og man ser kun positive hendelser. I denne boken blir en generisk metode for kontekstbevis rangering presentert, sammen med dens applikasjoner. For modellering foreslås en ny faktorisering basert på parvise interaksjoner, som også blir sammenlignet med andre tilnærminger innen tensorfaktorisering. For læring er det utviklet et 'Bayesian Context-aware Ranking'-rammeverk som består av et optimaliseringskriterium og algoritme. Bokens andre hoveddel utdyper ytterligere disse temaene.