1262推荐系统 技术、评估及高效算法.pdfVIP

I第一部分 Recommender Systems Handbook，Second Edition 推荐系统技术 第2章基于邻域的推荐方法综述 第3章协同过滤方法进阶 第4章基于内容的语义感知推荐系统 第5章基于约束的推荐系统 第6章情境感知推荐系统 第7章推荐系统中的数据挖掘方法 第2章I Recommenaer systems Handbook. second edition 基于邻域的推荐方法综述 Xia Ning 、Christian Desrosiers 和 George Karypis 2. 1简介 在线购物商城的出现和发展对用户的购物方式产生了重要影响，这种购物方式能让用户接 触到大量的商品和相关的商品信息。虽然物方式的解放使得在线商城成为亿万美元的行业， 但也使得用户在商品选择中越来越难找到自己合适的商品。推荐系统是解决信息过载问题的ー 种重要手段，可以给用户提供自动且个性化的商品建议。 推荐问题可以被定义为评估某个用户对新物品的反 馈，这种评估是基于该系统中的历史数 据信息，同时推荐那些预测反 馈兴趣高、新颖和独到原创的物品给用户。用户-物品反 馈可以 是熟悉的评分制，例如用评分数值（1~5星），比较标准(強烈同意、同意、一般、反対、強烈 反対)来表示这些用户对物品的反 馈程度，或是ニ元反 馈（例如，喜欢/厌恶或者感兴趣/不感 兴趣） 。因此，用户反 馈可以通过用户在系统中给予的评分/评论信息显式地获取，也可以通过 购买历史或访问模式隐式地获取[39’7° ]。为了简洁起见，本书后面的章节将使用评分来比较种 类型的用户反 馈。 物品推荐方法可以分为两个大类：个性化和非个性化。个性化方法主要包括基于内容的推 荐方法和协同过滤方法，以及组合两种方法的混合技术。基于内容的推荐方法m’8’42’541 (基于认 知）的基本原则是，对某个用户已经评分过的物品分析其共同特点，然后将含有这些特点的新 物品推荐给该用户。基于内容的推荐方法由于只依赖内容信息通常会受到受限内容分析（limit­ ed content analysis) 和过度专业化 （over-specialization) 问题困扰_。 有限内容分析主要是系统中 只包含有限的用户信息或物品信息。有许多原因造成这种信息的匮乏，例如一些隐私问题影响 用户提供个人信息，或难以用准确的信息描述物品的内容，或者获取某些物品类型需要昂贵的 代价，如音乐、图片。另ー个问题是物品的内容信息通常难以有效地决定其质量。其次，过度 专业化的副作用是，即在基于内容的推荐系统中推荐新物品时，只推荐与用户已评分物品高度 相似的物品。例如，在一个电影推荐系统中，系统给用户推荐的电影，其风格或演员与该用户 已经看过的电影一样。正因如此，系统也许不能为用户提供具有差异性且依然感兴趣的电影。 与仅依靠物品内容信息的方法不同，协同（社会化)过滤方法使用的是系统中其他用户对 物品的评分信息。其核心思想是如果目标用户和某ー用户在某些物品评分上很相似，那么目标 用户对新物品的评分与该用户对新物品的评分也是相似的。协同方法可以解决基于内容的推荐 方法存在的ー些局限。例如，当物品的内容信息不完全或难以得到时，依然可以通过其他用户 X. ISing, computer Science Department, Purdue University, V^est Laiavette, IN, USa, e-mail： xnmg@ mpui. edu. C. Desrosiers, Software Engineering and IT Department, £cole de Technologic Sup^rieure, Montreal, QC, Canada, e-mail： Christian, desrosiers® etsmtl. csl G. Karypis, Computer science and Engineering Department, University of Minnesota, Minneapolis, MN, USA, e-mail: karypis® cs. umn. edu.