मैं सहयोगी फ़िल्टरिंग (CF) के लिए एक परियोजना पर काम कर रहा हूं, यानी आंशिक रूप से देखे गए मैट्रिक्स या अधिक सामान्यतः टेंसर को पूरा करना। मैं इस क्षेत्र के लिए एक नौसिखिया हूं, और इस परियोजना के लिए अंततः मुझे अपने तरीके की तुलना अन्य प्रसिद्ध लोगों से करनी है कि आजकल, प्रस्तावित विधियों की तुलना सीएफ में अत्याधुनिक रूप से की जाती है।
मेरी खोज से निम्न विधियों का पता चला। वास्तव में मैं इनमें से कुछ पत्रों और उनके संदर्भों को देखते हुए, या तुलना करते समय प्रयोगों के खंड को देखकर उनके पार आया। मुझे एक नई प्रस्तावित विधि के बारे में जानकर और SoTA के साथ तुलना करने में खुशी होगी, ऐसा करने के लिए निम्न में से कौन सी एक अच्छी पिक होगी? यदि उनमें से नहीं, तो मुझे एक अच्छा प्रतिनिधि जानकर खुशी होगी।
मैट्रिक्स फैक्टराइजेशन पर आधारित:
- भारित कम रैंक स्वीकृति (ICML 2003)
- सहयोगी फ़िल्टरिंग के लिए उपयोगकर्ता की रेटिंग का प्रोफ़ाइल बनाना (NIPS 2003)
- सहयोगी फ़िल्टरिंग के लिए कई गुणक कारक मॉडल (ICML 2004)
- सहयोगात्मक भविष्यवाणी (ICML 2005) के लिए फास्ट अधिकतम मार्जिन मैट्रिक्स फैक्टराइजेशन
- संभाव्यता मैट्रिक्स फैक्टराइजेशन (एनआईपीएस 2007)
- बायेसियन प्रोबेबिलिस्टिक मैट्रिक्स फैक्टराइजेशन (ICML 2008)
- प्रतिगमन-आधारित अव्यक्त कारक मॉडल (KDD 2009)
- गैर-रेखीय मैट्रिक्स फैक्टराइजेशन गॉसियन प्रोसेस (ICML 2009) के साथ
- डायनेमिक पोएशन फैक्टराइजेशन (ACM सम्मेलन की सिफारिश सिस्टम 2015)
Tensor Factorization पर आधारित:
- एक बहुआयामी दृष्टिकोण (सूचना प्रणाली (एसीपी) पोर्टल) पर ACM लेन-देन का उपयोग करके अनुशंसित सिस्टम में प्रासंगिक जानकारी शामिल करना )
- बायेसियन प्रोबेबिलिस्टिक टेंसर फैक्टराइजेशन (SIAM डेटा माइनिंग 2010)
- रीमैनियन ऑप्टिमाइज़ेशन (बीआईटी न्यूमेरिकल मैथमेटिक्स 54.2 (2014))