2018,54(23)
1 引言
随着互联网技术及其信息科技的蓬勃发展,推荐技
术已成功应用于电子商务领域,解决了如何从日益激增
的互联网信息中挖掘出对线上用户有价值的信息,并快
速高效地推荐给目标用户
[1]
。推荐系统(RS)的核心任
务是通过分析目标用户对已评产品或项目的偏好行为,
去预测该用户在未评产品或项目上的喜爱程度,以满足
用户的个性化需求。协同过滤(CF)算法
[2]
因其拥有简
单又高效的特点,在推荐系统中应用最为广泛,深受研
究者的青睐,是传统推荐技术之一。算法假定用户过去
的偏好行为将会对其未来的偏好行为有重大影响,且具
有相同或相似兴趣偏好的用户信息需求也是相似的。
在推荐算法中,计算用户或项目间的相似性是算法
的首要任务,也是最为核心的步骤。因此,相似性度量
方法的选择将直接决定推荐系统的好坏,对用户体验有
重大影响。常见的用户相似性度量方法,如余弦相似
性、皮尔逊相关系数等,在一定时期取得了较大成功,但
随着应用环境的变化,它们已无法满足用户对推荐系
统的精度要求。为改善推荐质量,确保推荐系统的时
效性,许多研究者在不同的应用环境下提出了一些新
的用户相似性度量方法。为了解决启发式相似性度量
方法 PIP
[3]
未考虑用户对项目评分的全局偏好行为的问
题 ,Haifeng Liu 等 人 提 出 了 一 种 新 的 启 发 式 方 法
NHSM
[4]
。为了充分利用用户的所有评分信息,一些研
⦾热点与综述⦾
考虑非对称用户偏好的推荐算法
王 永,邓永恒,李晓光
WANG Yong, DENG Yongheng, LI Xiaoguang
重庆邮电大学 经济管理学院,重庆 40 0065
School of Economic s and Management, Chongqing University of Posts and Telecommunications, Chongqing 400065, Ch ina
WANG Yong, DENG Yongheng, LI Xiaoguang. A symmetric recommendation algorithm based on user p reference.
Computer Engineering and Applications, 2018, 54(23):1-6 .
Ab stract:To solve the problem of not con sidering the ratio of co-rated items and the user preference in some traditional
similar ity measures, two weighting fact ors, asymmetry factor and preference factor, are added to i mprove the accuracy of
similarity computation. Th e experimental results on two public datase ts, Movielens and Yahoo Mus ic, show that the
propos ed model significantly lowers the prediction error and has better perform ance than other similarities. The model
with t hese two factors can better reflect the rating difference between users, and effectively deal with the user preference
effectively. Thus, it improves the reco mmendation quality.
Key words:user preference; asymmet ry; collabor ative filtering; recommendation algori thm
摘 要:为解决常见的相似性方法存在未考虑用户间共同评分项在目标用户所评项目中的比例以及用户评分偏好
的问题。提出了非对称因子和偏好因子,用于提高用户相似性计算的准确性。在公开的 MovieLen s 和 Yahoo Music
数据集上的实验表明,引入这两个因子后,相似性模型的预测误差下降显著,优于其他相似性方法。非对称因子和偏
好因子的引入更合理地体现出用户间的评分差异性,有效地处理了用户偏好问题,提高了推荐质量。
关键词:用户偏好;非对称;协同过滤;推荐算法
文献标志码:A 中图分类号:TP39 1 doi:10.3778/j.issn. 100 2-8331.1809-0322
基金项目:国家自然科学基金(No.61502066);重庆市基础与前沿项目(N o.cs tc2015jcyjA10081)。
作者简介:王永(1977—),男,教授,主要研究方向为推荐系统、数据挖掘,E-ma il:wangyong1@cqupt.edu.cn;邓永恒(1993—),男,
研究生,主要研究方向为文本挖掘、推荐系统;李晓光(1995—),男,研究生,主要研究方向为文本情感挖掘、网络大数
据分析。
收稿日期:2018-09-06 修回日期:2018-11-16 文章编号:1002-8331(2018)23-0 001-06
Computer Engineering and Applications计算机工程与应用
1
评论0
最新资源