最大熵模型在协同过滤中应用研究.docVIP

最大熵模型在协同过滤中应用研究 　　摘要：对当今推荐系统冷启动方法中存在的新用户类型选择以及流行度趋势描述不精确的问题，提出了一种基于最大熵预测模型的协同过滤推荐算法.在类型选择时，通过构建最大熵预测模型，预测用户最喜欢的项目类型. 实验表明：该方法对冷启动问题的解决有效，提升了推荐系统准确率。 　　关键词：最大熵；协同过滤；冷启动 　　中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2018）02-0268-03 　　Maximum Entropy Model for An Application Research of Collaborative Filtering Recommendation 　　WANG Xin-zhi1 ， WU Chan-le2 　　（1.Class 16 of Grade 12 of No.1 Middle School Affiliated to Central China Normal University， Wuhan 430074， China； 2. Computer School Wuhan University， Wuhan 430070， China） 　　Abstract： Aiming to solve the problems of type selection and imprecise project popularity trend description of new users in the existing methods to solve the cold start problem in a recommendation system， this paper proposes a collaborative filtering recommendation algorithm Based on maximum entropy prediction model. In type selection stage， this method establishes a maximum entropy prediction model to predict the user’s favorite type of project. The experimental results show that this method can effectively solve the cold start problem and improve the accuracy of recommendation system. 　　Key words： Maximum Entropy ；Collaborative Filtering； Cold Start 　　当今以用户为中心的信息生产模式造成了互联网信息的爆炸式增长[1]，为了帮助用户快速准确地获取自身需要的信息，推荐系统应运而生[2，3].目前的推荐系统主要分为基于规则、内容和协同过滤三种方式[4]，其中协同过滤作为一种高效实用的方法，在推荐系统中应用最为广泛[5]。 　　协同过滤推荐算法在推荐系统中应用较广，但仍存在冷启动、稀疏性等问题.其中，冷启动问题是这几个问题中的重点。 　　冷启动问题是指新用户和新项目加入系统中时，由于不存在历史浏览、消费等数据，系统无法对其进行个性化推荐[6，7]。目前对冷启动问题的研究主要分为两种：1）类型-项目形式[8]；2）将传统协同过滤算法的评分数据与特定的方法相结合[9，10]。 　　虽然上述研究取得了一定的效果，但新用户冷启动问题仍然面临以下问题：1）在建立分类模型时，文献[6-8]都将用户的不同属性对推荐结果的影响权重看作是相同的；2）在进行项目推荐时，文献[5，9]直接将所有项目的流行度随时间变化的趋势假定为指数衰减函数，没有考虑每个项目的流行度变化趋势的不同.针对这两个问题，本文提出了基于最大熵预测模型的协同过滤推荐算法。 　　1 算法模型 　　1.1 算法描述 　　首先，在类型选择方面，提出了基于最大熵预测模型的项目类型选择算法，主要考虑用户属性权重对分类结果的影响，从统计学角度探究用户不同属性与项目之间的关系，进而构建最大熵预测模型，当新用户进入系统时，根据新用户的属性即可预测出用户最喜欢的项目类型；其次，在项目选择上，提出基于曲线拟合的流行度计算方法，首先统计数据集中项目的频次-时间矩阵，然后通过多项式拟合方法，拟合出流行度变化趋势曲线。 　　本文提出的改进算法流程图如图1所示： 　　1.2 基于最大熵预测模型的类型选择算法 　　本文利用最大熵预测模型预测给定用户属性的情况下，用户喜欢某种项目类型的概率，即寻找用户属性与