Hierarchical Partial-Order Models for Ranking
层次偏序模型用于排名聚合
🧭 偏序排名聚合 · 层次聚类
University of Oxford · University of Auckland
将偏序排名模型扩展到层次结构，建模分组偏好并保持不可比性，优于现有方法。
📌 工作参考价值（4 点）
- 在推荐系统中，用户行为（点击、购买）常表现为偏序关系而非全序，使用偏序建模可更准确地捕捉偏好不确定性，避免强制排序带来的噪声。
- 层次结构允许跨用户群组共享信息，可应用于冷启动用户或稀疏评分场景，通过纳入群体先验提升预测精度。
- 无监督聚类扩展 HCPO 能自动发现用户群体结构，可直接用于用户分群或兴趣聚类，替代传统 k-means 等硬聚类方法。
- MCMC 推断输出后验分布，可提供不确定性量化，有助于推荐可解释性及风险控制，例如在广告投放中评估偏好排序的置信度。