列表級貝葉斯個性化排序算法是對物品進行排序的高效算法，是排序學習的重要內容。
基本介紹
- 中文名：列表級貝葉斯個性化排序算法
- 外文名：Listwise BayesianPersonalized Ranking
- 分類：社交網路推薦模型
定義,列表級貝葉斯個性化排序算法的原理,
定義
傳統的BPR假設用戶在每個樣本對上的偏好排序都是獨立的，這在很多時候並不適用於實際情況。而且，BPR的學習過程通常以最小化排序樣本對誤差的方式進行，而不是以最小化列表排序誤差的方式進行。在這種情況下，列表級貝葉斯個性化排序算法應運而生。
列表級貝葉斯個性化排序算法的原理
列表級貝葉斯個性化排序算法（Listwise Bayesian Personalized Ranking，LBPR）是通過最大後驗機率來獲得分類間的最佳排序結果，其在訓練過程中將分類列表而不是分類對作為訓練實例。具體而言，可以使用了兩個機率模型來構建分類列表的損失函式，分別為通過最大化排序列表的似然函式的置換機率（permutation probability）和通過使用交叉熵來最小化預測排序表與實際排序之間差異的最大機率（top one probability）。
