個性化推薦中關(guān)于專家用戶的研究.pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展，信息爆炸的時代已經(jīng)到來，人們往往會遭受到很多無用信息帶來的困擾。個性化推薦系統(tǒng)的重要性逐漸凸顯出來，因為它不僅可以幫人們過濾掉很多無用的信息，而且商家也可以通過虛擬營銷增加他們的收入。因此它吸引了很多來自工業(yè)界和學術(shù)界人士對個性化推薦算法的研究。近年來，隨著社交網(wǎng)絡(luò)的快速發(fā)展，基于社交網(wǎng)絡(luò)的個性化推薦算法已成為推薦領(lǐng)域的主要研究方向。
　　冷啟動和數(shù)據(jù)稀疏兩大問題是個性化推薦算法研究中不可避免的挑戰(zhàn)，它們會嚴重影

2、響推薦算法的整體性能。在基于社交網(wǎng)絡(luò)的個性化推薦算法研究中，人們往往將多種用戶之間的社會關(guān)系加入推薦算法，減輕用戶冷啟動給個性化推薦帶來的不良影響。然而傳統(tǒng)方法大多使用的是用戶間的顯性關(guān)系，如朋友關(guān)系。實際上冷啟動用戶很難有足夠多的顯性關(guān)系供算法學習。鑒于此，本文提出了將用戶間的隱性關(guān)系——專家關(guān)系用于個性化推薦，即利用冷啟動用戶感興趣領(lǐng)域的專家來學習用戶偏好，主要工作分為兩部分:
　　1)當數(shù)據(jù)集中標注了哪些是專家用戶時，本文利

3、用興趣圈中的朋友和專家優(yōu)化個性化推薦算法。興趣圈由訪問某一類別商品的用戶群及他們之間的社會關(guān)系構(gòu)成，不同用戶訪問同一類別商品表明他們對此類別具有相似興趣。算法通過設(shè)計朋友關(guān)系和專家關(guān)系的正則化項來約束矩陣分解目標函數(shù)，提高推薦的準確度。并且在Yelp競賽的真實數(shù)據(jù)集上做了充分的實驗來驗證算法效果。
　　2)在數(shù)據(jù)集中沒有給出專家用戶的情況下，首先根據(jù)信息傳播理論和用戶評分記錄提出了一種無監(jiān)督的專家發(fā)現(xiàn)方法。然后將發(fā)現(xiàn)的專家對用戶的