協調フィルタリングの最新技術

私は共同フィルタリング（CF）のプロジェクトに取り組んでいます。つまり、部分的に観測された行列またはより一般的にはテンソルを完成させています。私はこの分野の初心者であり、このプロジェクトでは、最終的に、現在の手法とCFの最新技術を比較する他の有名な手法とこの手法を比較する必要があります。

私の検索では、次の方法が明らかになりました。確かに、これらの論文とその参考文献のいくつかを見たり、比較を行う際に実験セクションを見たりすることで、彼らに出会いました。新しい提案された方法について知り、SoTAと比較したいのですが、次のうちどれが良い選択でしょうか？それらの間でなかったら、私はよい代表を知りたいです。

行列分解に基づく：

1. 加重低ランク近似（ICML 2003）
2. 協調フィルタリングのユーザー評価プロファイルのモデリング（NIPS 2003）
3. 協調フィルタリングの多重乗数因子モデル（ICML 2004）
4. 協調的予測のための高速最大マージンマトリックス因数分解（ICML 2005）
5. 確率的行列因子分解（NIPS 2007）
6. ベイジアン確率行列因子分解（ICML 2008）
7. 回帰ベースの潜在因子モデル（KDD 2009）
8. ガウス過程による非線形行列因子分解（ICML 2009）
9. Dynamic Poission Factorization（Recommender Systems 2015に関するACM会議）

テンソル分解に基づく：

1. 多次元アプローチを使用したリコメンダーシステムへのコンテキスト情報の組み込み（ACM Transactions on Information Systems（TOIS）2005）
2. ベイズ確率的テンソル因数分解（SIAMデータマイニング2010）
3. リーマン最適化による低ランクテンソルの完了（BIT Numerical Mathematics 54.2（2014））

また、上を見とることができ重力推薦システム行列因子についてもです（GRS）紙を、。著者は、このアルゴリズムを使用して有名なNetflix Prizeで競い合いました。