电子商务协同过滤稀疏性及研究—— 一个分类视角.pdfVIP

管 理 工 程 学 报 V01．25．No．1 ofIndustnal Joumal Engineering／EngineeringManagement 2011年第1期 电子商务协同过滤稀疏性研究：一个分类视角 李 聪1，梁昌勇2，杨善林2 (1．四川师范大学计算机科学学院，四川成都6l0066；2．合肥工业大学管理学院，安徽合肥230009) 摘要：协同过滤是目前电子商务推荐系统中广泛使用的、最成功的推荐算法，但面临用户评分数据稀疏性问 题的挑战。在介绍用户偏好数据获取途径的基础上，将稀疏性改善技术归纳为六类，包括设定缺省值、结合基于 内容的过滤、降维、图论方法、基于项目评分预测以及增加用户．系统交互，重点评述了各类算法的研究情况并对 六类技术进行了比较。最后探讨了该领域的未来研究方向。 关键词：电子商务；协同过滤；推荐算法；稀疏性 中图分类号：C931 文献标识码：A 文章编号：1004_6062(2011)0l_0094_08 0 引言 (first．rater 随着Intemet和电子商务的迅猛发展，电子商务推荐系 统…被电子商务网站用作虚拟店员(vinual problem)…¨1。冷启动问题是稀疏性的极端情况，包括新用 salespe叩le)向客 user item 户提供商品信息和建议，帮助用户决定应该购买何种商品。 户问题(new problem)和新项目问题(newproblem)， 电子商务推荐系统作为一种强大的新兴技术，能够帮助用户 即当新用户(新项目)进入推荐系统后，由于还未提供(接 找到他们喜爱的商品。反过来也提高了电子商务网站的销售 受)任何项目(用户)的评分，导致系统无法向新用户推荐其 额，因此很快成为电子商务网站一种至关重要的工具，其作 可能喜欢的项目(或将新项目推荐给可能喜欢它的用户)。 用主要表现在三个方面：将电子商务网站浏览者转变为购买 在协同过滤推荐系统刚投入运行时，每个用户在每个项目上 者；提高电子商务网站交叉销售能力；建立客户忠诚度。协 都将面临冷启动问题。“然而对一个电子商务站点来说，在 用户与站点交互的早期阶段就能够提供有效的个性化服务 同过滤(couaborative矗ltering)作为目前电子商务推荐系统中 广泛使用的、最成功的推荐算法旧J，完全依赖于用户评分来 对提高客户保留度和客户购买率具有重要作用”∽J。 Palo 构建用户一项目评分矩阵(u8er-itemmtingsmatrix)，使用统计 自1992年美国施乐公司PARc研究中心(xerox AltoResearch 技术寻找与目标用户有相同或相似兴趣偏好(例如对不同商 center)正式提出协同过滤以来，国内外众多研 品的评分相似或所购商品相似)的邻居用户，再根据邻居用 究人员对于如何有效解决稀疏性问题已取得不少成果，但尚 户对商品项的评分来预测目标用户对其未评分项的评分值， 未有相应的研究总结。因此。基于对国内外相关研究工作的 进而选择预测评分最高的前N项商品作为推荐集反馈给用 分析，本文系统归纳和评述了设定缺省值、结合基于内容的 过滤、降维、图论方法、基于项目评分预测、增加用户·系统交 户(top．N推荐)，其基本思想是用户会对邻居用户所喜欢的 互等六类稀疏性改善技术及相应算法研究情况，并对这