实验室在计算机科学顶级期刊《Pattern Recognition》上发表论文

日前，学院机器学习实验室：张恒汝教授、秋颖（研究生）、朱科霖（研究生）与闵帆教授合著的论文 “Lower bound estimation of recommendation error through user uncertainty modeling ” 在《Pattern Recognition（PR）》（Volume：136, April 2023）上发表。 PR是中科院SCI一区，影响因子8.518。

在推荐系统中，因为一些因素（如人们的心情、生活环境等），评分数据会通常包含有一些难以测量的不确定性。 本文提出将这些不确定性建模为混合指数幂分布。这是因为混合指数幂分布不仅有着混合高斯分布一样能拟合任意分布的能力，并且使用的组件也相对较少。 与此同时，本文采用了自适应的参数选择方法，规避了以往工作中的人为选择参数所带来的参数不准确的弊端。 将不确定性拟合为混合指数幂分布之后，可以得到此数据分布得到的预测误差下界（即论文中的MGBR）。 试验结果表明：使用此模型得到的MGBR略低于目前最佳的预测算法得到的预测误差。

论文整体流程

论文链接：https://doi.org/10.1016/j.patcog.2022.109171