基于群体兴趣的个性化推荐候选集构建.pdfVIP

用户与服务 基于群体兴趣的个性化推荐候选集构建 1 1 2 2 石宇，查梦娟 ，梁宇，邱惠 （1.武汉大学信息管理学院，武汉430072 ；2.国网鄂州供电公司电力调度控制中心，鄂州436000） 摘要：对个性化推荐候选集构建方案进行优化，在保证对用户感兴趣项目覆盖率较高的前提下，压缩候选集 规模，从而改善个性化推荐效果。采用融合用户群体兴趣与个性化特征的方法构建推荐候选集，先以用户群体兴 趣为基础构建初始候选集，在此基础上基于用户个性化特征对其进行过滤，生成推荐候选集。在模型构建的基础 上，以电影数据为例进行模型效果验证。实验结果显示，该模型在覆盖率小幅降低的情况下，可将候选集规模压缩 为原来的3.4% ；该模型能显著提升个性化推荐的最终效果，因此该策略是一种较理想的候选集构建策略。 关键词：个性化推荐；群体兴趣；候选集 中图分类号：G35；TP391 DOI ：10.3772/j .issn .1673-2286.2017.1.008 1 引言 时，候选集对用户兴趣的覆盖率较低，当最近邻集较大 [15] 时，则候选集中会包含大量用户不感兴趣的项目 。 在个性化推荐中，候选集的构建对最终效果具有 为解决上述问题，本文拟基于用户群体兴趣构建 重要影响，一般来说，如果候选集构建能过滤大量用户 候选集。根据对豆瓣电影的预调研，当用户群体规模较 不感兴趣的资源，用户对推荐结果的满意度将显著提 大时，用户群体兴趣具有较强的稳定性。将笔者抓取的 [1] 升 。在当前研究与实践中个性化推荐候选集构建方式 豆瓣电影用户（约83万人）看作一个群体，对其2014年 主要包括四种：第一，基于项目相似度的推荐候选集构 10月5 日—12 日的观影记录进行统计。2014年10月5 日— 建，即在计算系统待推荐项目与用户感兴趣项目的相似 9 日，调研的101 486部影片中用户共观看16 727部，观影 度基础上，将相似度最高的N 条结果或高于某个阈值 频次172 567次；其中Top500热门影片的观影频次占总 [2-4] 的结果作为候选集 ；第二，基于项目与用户兴趣模型 频次的55.7% ，10月5 日—9 日83.8% 的Top500热门影片 相似度的候选集构建，即先通过向量空间或关键词列 也出现在10月10 日—12 日的热门影片中，前者观影总频 表的形式获得用户兴趣描述，在此基础上计算待推荐 次占10月10 日—12 日观影总频次的53.3% 。基于此，为 项目与用户兴趣的相似度，并将相似度最高的N条结果 优化个性化推荐项目候选集的构建策略，本文拟以用 [5 -7] 或高于某个阈值的结果作为候选集 ；第三，基于情 户群体兴趣为基础，并以用户的个人兴趣对其包含的项 境的候选集构建，在基于情境的个性化推荐中，通常将 目集合进一步过滤，从而生成推荐候选集。 [8- 10] 与情境信息相匹配的项目作为推荐候选集 ；第四， 基于最近邻用户的候选集构建，即先确定用户的最近 2 研究设计 邻集合，在此基础上从最近邻感兴趣的项目集中选出 [11- 14] 一部分作为候选集（如热门项目或高评分项目 ）。 2 .1 基于群体兴趣的个性化推荐候选集构 这些候选集