【word】協(xié)同過濾推薦系統(tǒng)中的隱性評分綜述

1、協(xié)同過濾推薦系統(tǒng)中的隱性評分綜述協(xié)同過濾推薦系統(tǒng)中的隱性評分綜述梁周揚劉洪偉石雅強廣東工業(yè)大學(xué)廣東廣州510500i摘要】針x,f協(xié)同過濾算法數(shù)據(jù)稀疏性的問題,圍繞隱性評分這一解決方案,創(chuàng)新性地從隱性評分?jǐn)?shù)據(jù)來源這一方面出發(fā),對現(xiàn)有的相關(guān)研究成果進(jìn)行了梳理.【關(guān)鍵詞】協(xié)同過濾推薦系統(tǒng)隱性評分【abstract1forthesolutionsurroundingthesp&rsenessproblemofthecollaborativefilteringalgorithmsdata,implicitratingw&spresented?f.mh.dt.ofimplicitrati

2、ng,theexistingrese3pchresultshavebeeninnovative)ycombed.【keyword】collaborativefiltering,recommendationsystem,implicitrating中圖分類號:c3文獻(xiàn)標(biāo)識碼:b文章編號:l0094067(20l1)03750l一,引言協(xié)同過濾技術(shù)是目前應(yīng)用最廣泛的個性化推薦技術(shù),但是其需要大量的評分?jǐn)?shù)據(jù)作為基礎(chǔ).目前的主要有兩種評分模式:顯性評分模式和隱性評分模式.顯性評分,即用戶直接告訴系統(tǒng)他們對某些物品(如音樂,cd)或某段信息(如新聞)的興趣.在當(dāng)今的電子商務(wù)環(huán)境中,特別是在移動商務(wù)環(huán)境中

3、,要求用戶為項目打分是非常不現(xiàn)實的.因而,研究者們開始研究如何從事務(wù)數(shù)據(jù),瀏覽行為,用戶信息,項目信息中獲得用戶對某一項目的評分或興趣度隱性評分.二,研究現(xiàn)狀目前圍繞怎么計算隱性評分的研究有很多,按照其數(shù)據(jù)來源可分為三類:基于評分?jǐn)?shù)據(jù)對缺失的評分進(jìn)行預(yù)測,基于購物籃數(shù)據(jù)的隱性評分計算,基于瀏覽行為的隱性評分計算.1,基于評分?jǐn)?shù)據(jù)的隱性評分預(yù)測評分預(yù)測的原理非常簡單:給出一個用戶評分矩陣,利用各種方法預(yù)測用戶沒有打過分的項的評分值.早期的評分預(yù)測主要集中于基于鄰居用戶的方法,如有g(shù)rouplens算法【13】.文獻(xiàn)【7】換了一個角度,從計算項目間的相似性出發(fā),由用戶對相似項目的評分預(yù)測用戶對未評

4、分項目的評分.文獻(xiàn)【l4綜合考慮了用戶個人信息后,建立了基于概率模型的urp(userratingprofiles)預(yù)測未評分項目的評分.文獻(xiàn)15】針對urp方法的不足只存在對用戶的潛在分組,增加了項目的潛在分組,提出two-waylatentgroupingmodel以提高預(yù)測評分的精度.這一類型的隱性評分計算存在的不足就是在數(shù)據(jù)稀疏性較高的情況下預(yù)測效果不理想.而在移動商務(wù)的環(huán)境中,用戶的評分矩陣是高度稀疏的,所以應(yīng)該結(jié)合其它信息以提高預(yù)測效果.2,基于購物籃數(shù)據(jù)的隱性評分計算購物籃數(shù)據(jù)告訴我們一個用戶是否購買了某個項目.即:f1,當(dāng)u購買項目j時j0,當(dāng)u.購沒有買項目j時在這里,v:(

5、v.)被稱為二維用戶項目矩陣.多數(shù)文獻(xiàn)都是圍繞該二維矩陣進(jìn)行方法的討論,利用各種方法預(yù)測矩陣中的某個元素為1的概率是多少,即求pv.=1.文獻(xiàn)8】針對用戶購物矩陣,使用主成分分析減少item變量的維度,再利用二元logistic回歸預(yù)測商品屬于1的概率為多少.文獻(xiàn)【6利用了購物籃數(shù)據(jù)中的購買時間,與項目的發(fā)布時間相結(jié)合,手工構(gòu)造虛擬評分函數(shù)w(p,1),p為購買時間,l為項目發(fā)布時間.文獻(xiàn)【8里的二維用戶項目矩陣只是由0和l組成,不能充分刻畫用戶的興趣.我們引入用戶購買項目的數(shù)量,能更加準(zhǔn)確地刻畫用戶興趣.3,基于瀏覽行為的隱性評分計算大量研究表明,用戶的在頁面上的瀏覽行為與用戶的興趣有著極大

6、的相關(guān)性【1,2】.用戶的瀏覽行為一般包括瀏覽時間,鼠標(biāo)的點擊數(shù),頁面滾動時間,書簽,打印,保存等.這些瀏覽為與用戶的興趣有著很強的相關(guān)性【3】.從用戶的瀏覽行為推出用戶的隱性評分是目前熱門的研究方向.現(xiàn)在對用戶的瀏覽行為進(jìn)行分析的方法主要有神經(jīng)網(wǎng)絡(luò),多元線性和非線性回歸,和各種聚類方法.文獻(xiàn)f9】利用神經(jīng)網(wǎng)絡(luò)計算隱性評分,通過窮舉各種行為數(shù)據(jù)組合的預(yù)測精確度,并對結(jié)果進(jìn)行分析,得出各參數(shù)與隱式評價計算的相關(guān)陛,并得出了對計算隱式評價最有效的行為數(shù)據(jù)集合.文獻(xiàn)10采用序列算法和多元線性回歸為工具,提出了一種將瀏覽行為分析和瀏覽內(nèi)容挖掘相結(jié)合的用戶興趣自動學(xué)習(xí)與更新的新方法.文獻(xiàn)【1l】引入非線

7、性的logistic模型和雙曲線模型作為分析用戶瀏覽時間興趣度和拉動滾動條興趣度的數(shù)學(xué)工具.然后利用這兩種非線性模型得到的興趣度的值作為j道機變量,再利用傳統(tǒng)的多元線性回歸模型得到一個總的行為興趣度.還有從另外一些角度進(jìn)行分析的,文獻(xiàn)【l2】就從心理學(xué)的角度運用內(nèi)驅(qū)力理論發(fā)現(xiàn)web用戶的瀏覽行為和他對網(wǎng)頁是否感興趣密切相關(guān),并提出用線性回歸模型來描述它們之間的相關(guān)性,計算用戶興趣度.通過實驗驗證了他們提出的這種回歸模型是成立的,合理的和有效的.總結(jié)本文從影響隱性評分的數(shù)據(jù)來源出發(fā),把相關(guān)的國內(nèi)外的研究做了一次梳理,提供了一種新的視角把隱性評分模型進(jìn)行歸類,為研究者進(jìn)行隱性評分研究開拓了思路.支

8、持項目.國家自然科學(xué)基金,項目批準(zhǔn)號:70971027.參考文獻(xiàn)1d.m.nicho1s.imp1icitratingandfiiteri”g.inproceedingsofthefifthdelosworkshoponfiiteringandco11aborativefi1tering,nov.1997.2diafiekeliy,nicho1asj.be1kin,readingtifile,scro11ingandinteraction:exploringimplicitsourcesofuserpreferencesforre1一evancefeedback,proceedingsofth

9、e24thannualinternatiofla1acmsigirconferenceonresearchanddeve1opmentininformationretrieval,p.408409,september2001,neworleans,louisiana,unitedstates311m.claypoo1,phongle,m.waseda,dbrown.implicit1nterestindicators.inproceedirigsofacminteliigentuserinterfacesconference2001:3340,4陳冬林,聶規(guī)劃,劉平峰,基于網(wǎng)頁語義相似性的商品

10、隱性評分算法j.系統(tǒng)工程理論與實踐,2006.5高琳琦,李龍洙,基于顧客行為的產(chǎn)品推薦方法【j.計算機工程與應(yīng)用,2005,3:p188-190.【6tqlee,ypark,ytpark,atimebasedapproachtoeffectiverecommendersystemstlsingimp1icitfeedback【j】,expertsystemswithapp1ications,vo1ume34,isshe4,may2008,pages305530627】sarwar,b.,karypis,g.,konstan,j.,eta1.item-basedco1laborativefilt

11、eringrecommendationalgorithms.in:shen,v.y.,saito,n.eds.proceedingsofthe10thinternationa1wor1dwidewebconferelite(www1o).2oo1.285295.8jslee,chjun,jlee,skim.c1assificatiollbasedco11aborativefilteringusingmarketbasketdata.expertsvstemswithapptications,20059】脫建勇,王嵩,李秀,封文煌.隱式評價一一一個案例分析【j.計算機工程與應(yīng)用,2006.10朱征宇,裴仰軍,陳華月,付關(guān)友