基于共享知识模型的跨领域推荐算法-电子学报.PDF

第８期 电　　子　　学　　报 Ｖｏｌ．４６　Ｎｏ．８ ２０１８年８月 ＡＣＴＡＥＬＥＣＴＲＯＮＩＣＡＳＩＮＩＣＡ Ａｕｇ．　２０１８ 基于共享知识模型的跨领域推荐算法 李林峰，刘　真，魏港明，任　爽，葛梦凡 （北京交通大学计算机与信息技术学院，北京 １０００４４） 　　摘　要：　互联网的普及使得大量信息不断累积，推荐系统作为解决信息过载的有效手段，能够帮助人们迅速准 确地筛选出感兴趣的内容．但是由于用户项目评分数据过于稀疏，新用户或新商品存在“冷启动”问题，使得传统的推 荐算法计算复杂性过高、准确性较低．考虑到用户会在互联网不同领域使用各类应用，在不同领域积累了大量行为数 据和评价信息．而从用户群体的角度来说，在不同领域间存在着用户群体的偏好相似性，因此如果通过在不同领域中 共享代表偏好的知识模型，将有助于提升在新领域推荐的准确性，解决冷启动问题．本文提出了基于共享知识模型的 跨领域推荐算法ＳＫＰ（ＳｈａｒｉｎｇＫｎｏｗｌｅｄｇｅＰａｔｔｅｒｎ），通过对各个领域中用户项目的评分矩阵分解，得到用户的潜在特征 矩阵和项目的潜在特征矩阵，对用户和项目的潜在特征分别聚类，得到了用户分组对项目分组的评分知识模型，最终 利用目标领域的个性知识模型和各个领域的共性知识模型来得出推荐结果．本文对三个不同领域的数据集进行了分 析和划分，并在物理集群环境下进行了实验．结果表明，通过利用数据稠密的辅助领域数据，本文提出的ＳＫＰ算法与 已有的单领域算法、跨领域算法相比，具有更高的准确率和更低的ＲＭＳＥ值． 关键词：　跨领域；推荐算法；冷启动；潜在因子；知识模型 中图分类号：　ＴＮ９５　　　文献标识码：　Ａ　　　文章编号：　０３７２２１１２（２０１８）０８１９４７０７ 电子学报ＵＲＬ：ｈｔｔｐ：／／ｗｗｗ．ｅｊｏｕｒｎａｌ．ｏｒｇ．ｃｎ　 ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．０３７２２１１２．２０１８．０８．０２０ ＣｒｏｓｓＤｏｍａｉｎＲｅｃｏｍｍｅｎｄａｔｉｏｎＡｌｇｏｒｉｔｈｍ ＢａｓｅｄｏｎＳｈａｒｉｎｇＫｎｏｗｌｅｄｇｅＰａｔｔｅｒｎ ＬＩＬｉｎｆｅｎｇ，ＬＩＵＺｈｅｎ，ＷＥＩＧａｎｇｍｉｎｇ，ＲＥＮＳｈｕａｎｇ，ＧＥＭｅｎｇｆａｎ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒａｎｄＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙ，ＢｅｉｊｉｎｇＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１０００４４，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：　ＷｉｔｈｔｈｅｐｏｐｕｌａｒｉｔｙｏｆｔｈｅＩｎｔｅｒｎｅｔａｎｄｔｈｅａｃｃｕｍｕｌａｔｉｏｎｏｆｌａｒｇｅａｍｏｕｎｔｓｏｆｄａｔａ，ｒｅｃｏｍｍｅｎｄａｔｉｏｎｓｙｓｔｅｍ， ａｓａｎｅｆｆｅｃｔｉｖｅｍｅａｎｓｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｏｆｉｎｆｏｒｍａｔｉｏｎｏｖｅｒｌｏａｄ，ｃａｎｈｅｌｐｐｅｏｐｌｅｑｕｉｃｋｌｙｓｅｌｅｃｔｗｈａｔｔｈｅｙａｒｅｉｎｔｅｒｅｓｔｅｄ ｉｎ．Ｂｅｃａｕｓｅｏｆｔｈｅｓｐａｒｓｅｕｓｅｒｉｔｅｍｒａｔｉｎｇｄａｔａ，ａｎｄｔｈｅｃｏｌｄｓｔａｒｔｐｒｏｂｌｅｍｏｆｎｅｗｕｓｅｒｓｏｒｎｅｗｉｔｅｍｓ，ｔｒａｄｉｔｉｏｎａｌｒｅｃｏｍｍｅｎ ｄａｔｉｏｎａｌｇｏｒｉｔｈｍｈａｓｔｈｅｓｈｏｒｔｃｏｍｉｎｇｏｆｈｉｇｈｃｏｍｐｌｅｘｉｔｙ，ｌｏｗａｃｃｕｒａｃｙ．Ｃｏｎｓｉｄｅｒｉｎｇｔｈｅａｃｃｕｍｕｌａｔｅｄｕｓｅｒｓｂｅｈａｖｉｏｒｏｒｒａｔｉｎｇ ｄａｔａａｃｒｏｓｓｄｉｆｆｅｒｅｎｔｄｏｍａｉｎｓｃａｎｈａｖｅｔｈｅｓａｍｅｐｒｅｆｅｒｅｎｃｅｓ，ｗｅｃａｎｓｈａｒｅｔｈｅｋｎｏｗｌｅｄｇｅｐａｔｔｅｒｎａｍｏｎｇｄｉｆｆｅｒｅｎｔｄｏｍａｉｎｓ． Ｂａｓｅｄｏｎｔｈｅｍａｔｒｉｘｆａｃｔｏｒｉｚａｔｉｏｎｏｆｕ