个性化推荐系统用户建模技术综述.docxVIP

第25卷第1期 2006年2月 情报学报 个性化推荐系统用户建模技术综述1’ v01．25．№1 FebruaIy，2006 吴丽花1’2 刘 鲁2 (1．北京信息工程学院计算机信息系统系．北京100101； 2．北京航空航天大学经济管理学院，北京100083) 摘要 在分析目前各娄个性化推荐系统的基础上，从教据获取、用户模型的表示、学习和更新四个方面对推荐 系统用户建模领域的相关技术进行系统评述，井着重分析了用户建模过程中所面临的关键议题。最后指出推荐系 统用户建模领域的一些发展方向。其目的是希望能够对构建准确、有效的推荐系统用户模型，提高推荐的质量和 接受度带来启示。 关键词 推荐系统用户模型信息过滤 个性化 电子商务 User?Profiling?for?Personalized?Recommending Wu“hua。一a『IdⅡu Lu2  Systems--A  Renew ofEco肿m／cz＆Management，成扣嘻％血m母矿』删“娜删Atmnautics，＆d帕1m083)(1?Depan—t矿Computer?Information?System，Beljlng，r扣聃t翻n‰^M蛐‰f““e，Bei]ing ofEco肿m／cz＆Management，成扣嘻％血m母矿』删“娜删Atmnautics，＆d帕1m083) Abstract The crucial?techniques? related   profiling?for?personalized recommending?systems  reviewed from?four dimensions including?data?collection，profile?repmsenlation，profile?learning?and?profile?adaptafiou，with especial entlphaSe$on?the lechnical?effectiveness?and kq issues faced by?ekh dimension．Some promising?directions? in  profiling?for?personalized recommending?systems  pointed?out丘rIalh．The  ofthis?surveyisto?provide  ofideasfor?peoplett}constructtheir  profiles  acquire  and?valid?recommendations． Keywords recommending?systema，user?profde，information filtering，porsonalization，e—commerce 果及推荐被用户接受的程度都远胜于非个性化推荐 1 引 言 系统，因而在电影、音乐、产品、新闻和Web页面推 推荐系统是为解决Internet上的信息过载问题 而提出的一种智能代理系统“。。，能从Intemet的大 量信息中向用户自动推荐出符合其兴趣偏好或需求 的资源。推荐系统有非个性化系统和个性化系统之 分。非个性化推荐系统向所有用户提供具有同样内 容的推荐，如电子商务站点的畅销排行。而个性化 推荐系统则区分不同的用户或用户群，根据他们的 偏好定制推荐。由于个性化推荐系统的信息过滤效 荐等方面得到了越来越广泛的研究与应用。本文将 以目前最流行的各类个性化推荐系统、，包括基于内 容“““、基于协同过滤“”“、基于知识”51“、基于 Web使用挖掘”。”】和混合类型o。6。的个性化推荐 系统为分析对象，研究其用户建模问题。为叙述的 方便性，以下将个性化推荐系统简称为推荐系统。 一般地，推荐系统需要经过用户建模、项目匹配 和推荐输出三个阶段来实现个性化推荐。用户建模 是获取和维护与用户兴趣、需求或习惯相关的知识 收稿日期：2005年4月1日 作者简介：吴丽花，女，1975年生，博士生．主要研究领域为电子商务．人工智能。划鲁，女，1947年生．教授，博士生导师 主要研究领域为电子商务与Web智能，信息系统理论与方法。 1)资助项目：国家自然科学基金(No和博士点基金(No．20040006023)资助。 情报学报 25卷 的过程，其结果将产生一个表示用户特有背景知识 或兴趣、需求的用户模型。项目匹配阶段将以这一 模型为依据，运用各种推荐技术寻找出与其相匹配 的项目，然后在推荐输出阶段将这些项目以预测值、 Top．N推荐或者其他形式呈现给用户。由此可见， 用户模型是推荐系统产生个性化推荐的主要知识