論文：Version-Aware Rating Prediction for Mobile App Recommendation

nn

作者：Yuan Yao, Wayne Xin Zhao,nYaojing Wang, Hanghang Tong, Feng Xu, JiannLu

單位：1. Nanjing University，2. Renmin Universitynof China，3. Arizona State University

nn

作者：南京大學 姚遠 老師，主頁：Institute of Computer Software

nn

附註：該論文被 CCF A類期刊ACM Transactions on InformationnSystems接收

前言

針對移動App推薦問題，這篇文章基於App存在版本變遷的事實，提出能夠感知版本變化的推薦方法。

一．研究動機

隨著移動App市場的爆炸式發展，市場端大量的 App與用戶端有限的消費能力之間形成了較大的鴻溝。因此，從眾多(包含功能相似)的App中推薦用戶可能感興趣的App成為了一個重要問題。一方面，移動App市場中蘊含著多種有助於提升推薦準確性的信息(例如反饋、App描述等)；另一方面，App存在版本的變遷，用戶可能討厭新版本而喜歡老版本，也可能喜歡新版本討厭老版本。因此，本文提出能夠感知版本變化的推薦方法，並且同時利用包括用戶反饋、App描述在內信息提升推薦的準確性。

二．推薦模型

1. 首先文章從如下兩個方面驗證了App打分的差異性。

• 一個App不同版本之間的平均打分確實存在較大的差異

• 同一個用戶對於同一個App的不同版本之間的打分也存在較大的差異

2. 基於上述事實，文章構建如下的同一個App的兩個版本之間的差異性：

3. 除了版本感知，文章還使用了App描述文本、Review打分和文本。其中，Review打分和文本以error最小化的形式使用，而App描述與版本感知以規約項(regularization)形式使用。最終優化目標如下：

模型的圖例表達如下：

三．實驗

1. 數據

實驗使用Google Play數據。包含3百萬的用戶反饋，17萬用戶，1.6萬App及其10萬個版本。

文章隨機選取(1-γ)比例的最新版本的App打分作為測試集，其他數據作為訓練集。

比較方法包括NMF、KBV[Koren et al. 2009]、HFT [McAuley and Leskovec 2013]、CTR [Wang and Blei 2011]。 ?

3. 實驗結果

首先是與比較方法的直接比較。發現有3.6%-5.8%的相對提升。

其次是方法考慮的多個模塊的分析(X和Y表示用戶反饋文本，S表示App的描述，P表示版本感知)。結果顯示沒個模塊均有作用，其中版本感知的作用尤為明顯。

四．總結

本文的主要是一個版本感知的App推薦方法。文章首先在Google Play數據上驗證了用戶對不同App版本的喜好確實存在差異，然後對這樣的差異進行建模，同時考慮移動App市場的其他常見信息。在Google Play數據上的結果顯示，本文提出的版本感知的App推薦方法優於已有的比較方法。