基于隱性反饋的協(xié)同推薦.pdf

1、基于隱性反饋的協(xié)同推薦通過用戶的隱性反饋行為去構(gòu)造用戶的喜好模型以改善推薦系統(tǒng)的用戶體驗(yàn)，其主要存在以下問題:1）數(shù)據(jù)極度稀疏。單一用戶在某一領(lǐng)域內(nèi)一般只在個(gè)別物品上產(chǎn)生行為，這樣導(dǎo)致不同用戶間的共同作用物品較少。2）沒有反例。在隱性反饋中，通常只有用戶有過行為的數(shù)據(jù)被標(biāo)記為正例，而未知值是正例與反例的混合，這樣反例就難以確定。3）無法反映用戶喜好。隱性反饋中用戶對(duì)物品沒有過行為并不代表用戶不喜歡，也有可能是用戶不知道該物品。為了解決上

2、述問題，本文在前人工作的基礎(chǔ)上，提出了基于因子機(jī)的隱性反饋協(xié)同過濾和基于二階段策略的單類協(xié)同過濾。
　　本文的主要工作如下:
　　(1)針對(duì)稀疏性問題，本文通過使用因子機(jī)模型，將用戶的屬性信息和物品的內(nèi)容信息作為上下文信息，與用戶的行為信息一起進(jìn)行模型訓(xùn)練。
　　(2)針對(duì)沒有反例問題，本文首先使用基于用戶活躍度的隨機(jī)方法選取反例，然后在此基礎(chǔ)上提出了基于矩陣分解的樣本選取方法。實(shí)驗(yàn)結(jié)果表明，本文提出的方法，選取的樣本