基于双向主题模型的协同过滤算法.pdfVIP

第５２卷　第５ 期 中山大学学报 （自然科学版） Ｖｏｌ５２　Ｎｏ５ 　 ２０１３年　９ 月 ＡＣＴＡ　ＳＣＩＥＮＴＩＡＲＵＭ　ＮＡＴＵＲＡＬＩＵＭ　ＵＮＩＶＥＲＳＩＴＡＴＩＳ　ＳＵＮＹＡＴＳＥＮＩ Ｓｅｐ　２０１３ 　 基于双向主题模型的协同过滤算法 １，２，３ ２，３ 李　改 ，李　磊 （１．顺德职业技术学院电子与信息工程系，广东顺德５２８３３３； ２．中山大学信息科学与技术学院，广东广州５１０００６； ３．中山大学软件研究所，广东广州５１０２７５ ） 摘　要：主题模型可以学习用户和推荐项目的潜在主题分布。提出了一种基于双向主题模型的协同过滤算法， 分别学习用户和推荐项目的潜在主题分布用于推荐服务。在真实的数据集上实验验证，该算法的性能均优于几 个经典的协同过滤算法。 关键词：推荐系统；协同过滤；主题模型；潜在狄利克雷分布 中图分类号：ＴＰ３０１　　文献标志码：Ａ　　文章编号：０５２９ －６５７９ （２０１３）０５ －００６８－０５ Ｄｕａｌ Ｃｏｌｌａｂｏｒａｔｉｖｅ Ｔｏｐｉｃ Ｒｅｇｒｅｓｓｉｏｎ ｆｏｒ Ｒｅｃｏｍｍｅｎｄａｔｉｏｎ Ｓｙｓｔｅｍｓ １，２，３ ２，３ ＬＩ Ｇａｉ ，ＬＩＬｅｉ （１．Ｓｃｈｏｏｌ ｏｆＥｌｅｃｔｒｏｎｉｃｓ ａｎｄ ｉｎｆｏｒｍａｔｉｏｎ ｅｎｇｉｎｅｅｒｉｎｇ，Ｓｈｕｎｄｅ Ｐｏｌｙｔｅｃｈｎｉｃ，Ｓｈｕｎｄｅ ５２８３３３，Ｃｈｉｎａ； ２．Ｓｃｈｏｏｌ ｏｆＩｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｓｕｎ Ｙａｔｓｅｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｇｕａｎｇｚｈｏｕ５１０００６，Ｃｈｉｎａ； ３．Ｓｏｆｔｗａｒｅ Ｉｎｓｔｉｔｕｔｅ，Ｓｕｎ Ｙａｔｓｅｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｇｕａｎｇｚｈｏｕ５１０２７５，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｏｐｉｃ ｍｏｄｅｌ ｃａｎｂｅｕｓｅｄｔｏｌｅａｒｎｔｈｅｌａｔｅｎｔｔｏｐｉｃ ｄｉｓｔｒｉｂｕｔｉｏｎ．Ａｎｅｗｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇａｌ ｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｄｕａｌ ｃｏｌｌａｂｏｒａｔｉｖｅ ｔｏｐｉｃ ｒｅｇｒｅｓｓｉｏｎ ｔｏ ｌｅａｒｎ ｔｈｅ ｕｓｅｒｓ ｌａｔｅｎｔ ｔｏｐｉｃ ｄｉｓｔｒｉｂｕｔｉｏｎ ａｎｄ ｔｈｅ ｉｔｅｍｓｌａｔｅｎｔｔｏｐｉｃ ｄｉｓｔｒｉｂｕｔｉｏｎｆｏｒｒｅｃｏｍｍｅｎｄａｔｉｏｎ ｉｓｐｒｏｐｏｓｅｄ．Ｏｎ ａｌａｒｇｅ ｒｅａｌｗｏｒｌｄ ｄａｔａｓｅｔ，ｔｈｅ ｅｘｐｅｒｉ ｍｅｎｔ ｒｅｓｕｌｔｓ ｉｌｌｕｓｔｒａｔｅ ｔｈａｔ ｔｈｅ ａｐｐｒｏａｃｈ ａｃｈｉｅｖｅｓ ａ ｂｅｔｔｅｒ ｐｅｒｆｏｒｍａｎｃｅ ｔｈａｎ ｔｈｅ ｓｔａｔｅｏｆｔｈｅ ａｒｔ ｃｏｌｌａｂｏｒａ ｔｉｖｅ ｆｉｌｔｅｒｉｎｇ ｍｅｔｈｏｄｓ． Ｋｅｙ ｗｏｒｄｓ：ｒｅｃｏｍｍｅｎｄｅｄ ｓｙｓｔｅｍｓ；ｃｏｌｌａｂｏｒａｔｉｖｅ ｆｉｌｔｅｒｉｎｇ；ｔｏｐｉｃ ｍｏｄｅｌ；ｌａｔｅｎｔ Ｄｉｒｉｃｈｌｅｔ ａｌｌｏｃａｔｉｏｎ 　　推荐系统通过收集和分析用户的各种信息来学 这些相似用户对某一信息的评价，形成系统对该指 习用户的兴趣和行为模式，根据分析得到的用户的 定用户对此信息的喜好程度预测。近年来协同过滤 兴趣和行为模式，来为用户推荐他所需要的服务。 的算法在国内外得到了广泛研究。传统的协同过滤 这些系统的例子包括：ＣｉｔｅＵＬｉｋｅ 论文推荐系统 算法面临数据稀疏性问题和评分数据的不平衡问 （ｗｗｗｃｉｔｅｕｌｉｋｅｏｒｇ）为用户推荐各种其可能感兴 题。许多模型提出通过引入额外的信息来解决这些