认知意见非线性矩阵分解

冷启动推荐显著提升

将社会心理学认知意见形成机制融入非线性矩阵分解，模拟用户决策的非线性交互，在冷启动场景下提升推荐精度。

熊菲 · Xuelian, Ni · Pan, Shirui · 陈虹枢 · 王亮 · Yan, Zheng

IEEE Transactions on Systems, Man, and Cybernetics: Systems 2024

技术优势

非线性交互更真实

将用户偏好和物品特征非线性结合，模拟用户决策的内在形成过程，而不是简单的线性加权。

冷启动提升显著

通过在推荐框架中融入隐式用户影响和带有限置信效应的显式社会动态，模型在冷启动用户的评分预测上取得了显著改进。

可解释性更强

认知意见形成机制对性能提升有显著作用，使得推荐结果具有更高的可解释性。

应用场景

• 社会推荐系统：利用社会影响和用户间偏好演化，提升推荐准确度。
• 冷启动推荐：通过捕捉隐式用户影响和社会动态，缓解新用户冷启动问题。
• 可解释推荐：意见形成机制赋予模型决策的可解释性，便于理解推荐原因。