用戶隱性偏好學習與融合的組推薦算法研究.pdf

1、個性化推薦是根據(jù)用戶的偏好和行為特點向用戶推薦感興趣信息的過程。在未來的智能電視系統(tǒng)中，真正的智能視頻推薦應該是不需要用戶評分動作就能自動、準確地獲得用戶興趣、愛好并做出推薦的系統(tǒng)。除此之外，組推薦也是智能電視推薦系統(tǒng)的一項挑戰(zhàn)。目前流行的一些組推薦算法都是基于各成員偏好重要性等方面的某種假設，由于這些假設不能完全真實地再現(xiàn)組成員的選擇，因此推薦結果很難真正滿足用戶需求。
　　針對上述兩個問題，本文做了以下工作:
　　(1)

2、介紹用戶隱性行為的研究現(xiàn)狀，分析獲取用戶隱性評分的必要性。用戶偏好根據(jù)其不同的表現(xiàn)形式可以分為隱性偏好和顯性偏好兩種。當前根據(jù)用戶行為獲取用戶隱性偏好的方法大多集中于WEB領域，尚無針對用戶觀影行為預測用戶對電影隱性評分的算法，因此研究用戶隱性評分預測算法兼具理論與實用價值。
　　(2)本文設計了一種基于神經網絡的用戶隱性評分自動獲取方法。該方法將電影時長、用戶觀影時長、用戶快進次數(shù)和用戶快退次數(shù)設置為變量，采用BP神經網絡算法展

3、開學習，建立起一種基于神經網絡的用戶視頻隱性評分學習模型。實驗結果表明，該方法不僅可以有效獲取用戶的隱性評分信息，還可以直接固化于未來智能電視的設計之中，具有實際應用價值。
　　(3)與傳統(tǒng)個性化推薦算法不同，組推薦算法體現(xiàn)了一組用戶的偏好，因此如何融合用戶個人偏好是組推薦研究的關鍵點?，F(xiàn)有的偏好融合方法主要有評分融合、列表融合及建立組偏好模型三種，每種方法包含數(shù)個具體的偏好融合策略。本文比較了幾種現(xiàn)有的用戶偏好融合策略，并整理了