基于面向對象思想和典型用戶群組的個性化推薦方法研究.pdf

1、隨著互聯(lián)網的發(fā)展和信息技術的進步，推薦系統(tǒng)已經成為人們從海量信息中獲得有用知識、避免信息爆炸的一種有效手段。但是在推薦系統(tǒng)的實際應用中，既面臨著如何正確運用豐富的情境信息提升推薦效果的現(xiàn)實問題，也面臨著海量用戶和項目帶來的計算和存儲壓力。推薦系統(tǒng)在實踐應用中面臨的各種難題，對于現(xiàn)有推薦系統(tǒng)提出了更高的挑戰(zhàn)。為此，本文從情境信息高效處理、多樣化特征篩選、典型用戶子集發(fā)現(xiàn)三個方面，探討了如何處理推薦系統(tǒng)面臨的實際應用問題，從而在保證效率的同

2、時提升推薦效果。本文的工作和貢獻可以概括如下:
　　首先，基于面向對象的思想，提出了基于特征值對的推薦系統(tǒng)對象表示方法，設計了面向對象的推薦系統(tǒng)(ORS)框架。已有的使用情境信息的模型通常關注于一兩種特定的信息，缺乏系統(tǒng)化動態(tài)引入多種情境信息的能力。針對該問題，本文探討了如何基于面向對象思想引入多樣化情境信息用于推薦。具體而言，采用特征值對統(tǒng)一表示情境信息，并用特征值對(Feature Value Pair)的集合表示推薦系統(tǒng)中的

3、對象，利用特征值對之間的關聯(lián)推導對象相似度后，使用協(xié)同過濾算法實現(xiàn)推薦。基于此設計了面向對象的推薦系統(tǒng)(ORS)框架，并實現(xiàn)了面向對象的貝葉斯網絡(OBN)模型用以計算對象相似度。在旅游領域真實數(shù)據(jù)集上的實驗結果顯示，基于OBN模型的ORS框架是一種優(yōu)秀的推薦系統(tǒng)框架。
　　其次，在面向對象的推薦系統(tǒng)(ORS)框架中，提出了面向對象的主題模型(OTM)，設計了基于特征信息熵的特征選擇方法。在推薦系統(tǒng)的實際應用中，面臨著如何正確運用

4、豐富的情境信息提升推薦效果的現(xiàn)實問題。本文研究發(fā)現(xiàn)，不同類型情境信息對于推薦結果的貢獻并不相同?；诖税l(fā)現(xiàn)，本文提出融合情境信息表示用戶隱式興趣的OTM模型，并基于OTM模型計算不同情境信息的特征信息熵，從而選擇對于推薦效果提升貢獻最大的特征。在真實數(shù)據(jù)集上的實驗結果顯示，OTM模型的推薦效果好于傳統(tǒng)的推薦方法，在給出可理解的主題分布的同時，也可以用于有效的篩選特征以優(yōu)化推薦結果。
　　最后，提出推薦系統(tǒng)中典型用戶群組(TUG)的

5、概念，設計了基于典型用戶群組的協(xié)同過濾推薦算法。推薦系統(tǒng)實踐中常常篩選一個小規(guī)模用戶子集用于研究，但并未量化考慮用戶子集的代表性。針對這一問題，本文基于推薦項目覆蓋率提出典型用戶群組的概念，在保證較高的推薦項目覆蓋率和較為準確的評分基礎上，篩選得到全體用戶的一個較優(yōu)子集。同時在協(xié)同過濾推薦過程中，從典型用戶群組中尋找最近鄰居，在保證最近鄰居代表性的同時降低計算開銷。在真實數(shù)據(jù)集上的實驗結果顯示，典型用戶群組具有更高的項目覆蓋率和較小的評