基于隐语义模型的个性化推荐-计算机应用与软件.PDFVIP

第３４卷第１２期　　　 计算机应用与软件 Ｖｏｌ３４Ｎｏ．１２ ２０１７年１２月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｄｅｃ．２０１７ 基于隐语义模型的个性化推荐 范慧婷　钟春琳　龚海华 （中国科学技术大学计算机科学与技术学院　安徽合肥２３００２７） 摘　要　　许多传统的推荐方法如协同过滤和低秩矩阵分解都存在物品或用户方面的稀疏性和冷启动问题。为 了克服这两方面的问题，提出一种基于隐语义模型的个性化推荐方法。通过对用户行为进行分析，利用隐语义模 型推断出用户潜在的兴趣因子，从而构建用户兴趣特征矩阵来进行个性化推荐。对现实的电影数据的实验证明 了所提方法的有效性，并在准确率、召回率和覆盖率方面均优于传统的协同过滤方法和基于内容的方法。 关键词　　隐语义模型　稀疏性　冷启动　个性化推荐 中图分类号　ＴＰ３９１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１７．１２．０３９ ＬＡＴＥＮＴＦＡＣＴＯＲＭＯＤＥＬＢＡＳＥＤＰＥＲＳＯＮＡＬＩＺＥＤＲＥＣＯＭＭＥＮＤＡＴＩＯＮ ＦａｎＨｕｉｔｉｎｇ　ＺｈｏｎｇＣｈｕｎｌｉｎ　ＧｏｎｇＨａｉｈｕａ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙｏｆＣｈｉｎａ，Ｈｅｆｅｉ２３００２７，Ａｎｈｕｉ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｍａｎｙｔｒａｄｉｔｉｏｎａｌｒｅｃｏｍｍｅｎｄａｔｉｏｎｍｅｔｈｏｄｓ，ｓｕｃｈａｓｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇｏｒｌｏｗｒａｎｋｍａｔｒｉｘｆａｃｔｏｒｉｚａｔｉｏｎ， ｈａｖｅｄａｔａｓｐａｒｓｉｔｙａｎｄｃｏｌｄｓｔａｒｔｐｒｏｂｌｅｍｓｏｎｉｔｅｍｓｏｒｕｓｅｒｓ．Ｉｎｏｒｄｅｒｔｏｏｖｅｒｃｏｍｅｔｈｅｓｅｔｗｏｐｒｏｂｌｅｍｓ，ｔｈｉｓｐａｐｅｒ ｐｒｏｐｏｓｅｓａｐｅｒｓｏｎａｌｉｚｅｄｒｅｃｏｍｍｅｎｄａｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｔｈｅｌａｔｅｎｔｆａｃｔｏｒｍｏｄｅｌ．Ｂｙａｎａｌｙｚｉｎｇｂｅｈａｖｉｏｒｓｏｆｕｓｅｒｓ，ｗｅ ｕｔｉｌｉｚｅｌａｔｅｎｔｆａｃｔｏｒｍｏｄｅｌｔｏｉｎｆｅｒｕｓｅｒｉｎｔｅｒｅｓｔｆｅａｔｕｒｅｖｅｃｔｏｒｓｏａｓｔｏｍａｋｅａｐｅｒｓｏｎａｌｉｚｅｄｒｅｃｏｍｍｅｎｄａｔｉｏｎ．Ｏｕｒｔｗｏ ｋｉｎｄｓｏｆｅｘｐｅｒｉｍｅｎｔｓｏｎｒｅａｌｉｓｔｉｃｍｏｖｉｅｄａｔａｄｅｍｏｎｓｔｒａｔｅｔｈｅｅｆｆｉｃａｃｙｏｆｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄ，ａｓｗｅｌｌａｓｔｈｅｓｕｐｅｒｉｏｒｉｔｙ ｃｏｍｐａｒｅｄｔｏｔｒａｄｉｔｉｏｎａｌｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇｍｅｔｈｏｄｓａｎｄｃｏｎｔｅｎｔｂａｓｅｄｍｅｔｈｏｄｓ． Ｋｅｙｗｏｒｄｓ　　Ｌａｔｅｎｔｆａｃｔｏｒｍｏｄｅｌ　Ｄａｔａｓｐａｒｓｉｔｙ　Ｃｏｌｄｓｔａｒｔ　Ｐｅｒｓｏｎａｌｉｚｅｄｒｅｃｏｍｍｅｎｄａｔｉｏｎ 的历史观影记录。推荐系统通过挖掘用户的历史行 ０　引　言 为，为用户兴趣建模来找到用户对物品的偏好，从而主 动地向用户推荐他们可能感兴趣的但之前没有过行为 随着互联网的快速发展，海量的信息呈现在用户 的物品。 面前，比如各类新闻、电影、音乐、电子商务提供的商品 等。这些信息种类繁杂，质量和价值参差不齐，用户 １　相关工作 （信息消费者）需要花费大量的时间从中获得自己想 要的信息，造成信息过载。这时就需要有技术或工具 目前现存的大部分个性化推荐方法可以分为基于 能够帮用户过滤掉不感兴趣或者与所想要的信息不相 内容的推荐、协同过滤以及混合方法［２－４］。下面将分 关的信息。相对于经典过滤工具如门户网站（方案是