资源推荐系统.pptVIP

资源推荐系统Resource Recommendation System GroupID_5 石立元 张海生 吴明达 张 译 张 林 2006.01.13 Outline 选题的初衷 什么是资源推荐系统 我们的任务 资源推荐系统的设计 Main Ideas Main Data Structures Main Frame And Algorithms 关于RRS Demo 什么是资源推荐系统 资源 泛指网络上存在的可共享的数字化信息 资源推荐系统 根据大量用户对众多资源访问（查询和使用）的历史记录，分析用户可能的兴趣所在，提供资源推荐服务，把用户尚未访问、但可能喜欢的资源推荐给用户。 资源推荐与资源共享 用户需求 Q: 我需要关于某方面的资源 A: 有我感兴趣的东西吗 R: 你看看这些东东，不错的 可以先其想所想，达到较好的使用满意度 更有潜力的资源共享方式 推荐的方式 用户自定义的个性化资源 把与用户访问过的资源类似的资源推荐给用户 把某些用户访问的资源推荐给与他们兴趣类似的用户 我们的任务 构造出资源推荐系统的框架，分析各个模块的功能，给出实现的主要流程和细节。 分析资源推荐中涉及的主要问题，给出参考的算法。 构建一个模拟的应用环境，在该环境中演示资源推荐系统的主要功能和算法。 Main Ideas.1 资源推荐的前提 Assumption: 用户的兴趣是比较稳定的 用户的兴趣是比较稳定的，随时间变化的幅度是比较小的 用户的兴趣是在不断变化的，尽管幅度比较小 用户较近的对资源的访问能体现用户当前的兴趣 时间效应 Assumption: 更新的资源具有更大的吸引力 Main Ideas.2 如何发现用户兴趣? 两个假设： 如果一个用户经常访问某类资源，那么他很可能喜欢该类资源； 如果一些用户经常访问类似的资源，那么他们的兴趣可能相同。 Main Ideas.3 问题：如何进行推荐 主要考虑的因素 用户对资源类的偏好 用户之间的相似度 时间效应：兴趣的变化，资源的新颖 用户对推荐的配合程度 参考定义.1 用户的资源类的偏好 对某类资源的访问数量的相对大小作为偏好的程度 用户之间的相似度 当前相似度定义为 不对称性 如果进一步考虑时间的因素 可以考虑形成List of 资源id，Date 以dateFactor(Date)的和作为相似度 参考定义.2 时间效应：兴趣的变化，资源的新颖 兴趣保持性依时间而衰减 衰减系数 α，0 α=1 时间效应：资源的新颖 资源吸引力以时间而衰减 衰减系数β，0 β=1 用户对推荐的配合程度 用户对推荐资源的访问情况 主要数据结构.1 用户集合 Users 资源集合 Resource 系统访问日志 User Access Log Disp: 记录从某个日期(系统定义)开始用户对资源的访问历史 推荐资源访问日志 User Recommend Log Disp: 记录在某个日期(用户登录)用户对推荐资源的访问历史 用户-用户相似矩阵 User-User current-similarity matrix Disp: 记录从当前的日志计算出的用户与用户之间的相似程度 用户-用户相似系数矩阵 User-User similarity-confidence matrix (User-user similarity-index matrix) Disp: 记录基于整个访问历史的用户与用户之间的相似性程度 主要数据结构.2 用户推荐列表 User Recommend List Disp: 要推荐给某个用户资源列表 当前推荐列表Selected Recommend List Disp: 当前一次推荐给用户的资源列表 用户访问列表 User Access List Disp: 某个用户对资源访问的历史记录(从某个日期开始) 推荐必要度向量 User recommend needity vector Disp: 描述对用户进行推荐的必要度 用户-资源类系数矩阵 User-resourceclass rate matrix Disp: 用户对各个资源类的偏好程度 主要处理流程 Refresh机制 [1]整理用户访问日志 [2]计算用户两两的相似性 [3]更新用户-资源类偏好系数矩阵 [4]把当前的相似性矩阵信息添加到相似性系数矩阵 [5]可以形成每个用户topN的列表 相似性系数的更新 更新信息来源 一部分来自计算出来的当前相似性矩阵 一部分来自用户对推荐列表的访问信息（可以考虑隐性的反馈） 更新策略的制定，下面分别提供两类信息更新的参考方