基于模糊逻辑的多代理推荐系统.docxVIP

基于模糊逻辑的多代理推荐系统 0 质量推荐中的应用 作为一种新的广播形式，高分辨率广播为电视观众带来了巨大的节目。为了快速、准确地获取用户真正感兴趣的内容，根据用户的需要，自动推荐合适的个性化推荐技术。 文献 从以上分析可以发现, 如何模拟人的思维, 向用户推荐高质量的个性化节目是目前需要进一步研究的问题. 本文从以下几个方面入手提高推荐质量: (1) 节目指南信息量的完善.鉴于即时电视规范 (TV-Anytime) 1 代理推荐系统 1.1 筛选模糊推荐节目,与用户体验加 推荐系统结构见图1.该系统主要包括模糊用户喜好档案、模糊筛选代理、模糊推荐代理、交互代理和档案修正代理.模糊筛选代理基于模糊逻辑推理, 将即将播放节目的元数据与模糊用户喜好档案进行匹配, 然后根据模糊阈值筛选出用户可能感兴趣的节目;模糊推荐代理向每个用户提供最优的节目推荐表, 并发送到用户端;交互代理提供界面, 负责收集用户清晰或隐含的反馈信息;档案修正代理基于交互代理递交的反馈信息, 修正用户喜好档案.在多代理系统 (MAS) 中, 代理间需要依赖相互通信实现不能单独完成的功能.通常, MAS中的代理间通信是基于知识查询和处理语言 (KQML) 完成的. 1.2 模糊逻辑控制原理在推荐系统中应用的原因通 筛选推荐过程如下:初始状态下, 系统仅具备部分的用户显性喜好知识, 需要在推荐过程中不断学习用户的潜在喜好以及用户喜好的发展变化, 为保证推荐的可靠性奠定基础.是否选择某个节目基于用户的显性和潜在喜好、各喜好及厌恶特征之间的综合考虑等, 用户的决定是基于一些复杂反应的最终结果.换言之, 由于很难量化用户对某个节目的各种感觉, 整个推荐过程难以建立清晰的数学模型.鉴于模糊原理可以通过模拟人的思维方式来柔性描述并解决这类问题, 本文在节目推荐系统中采用模糊逻辑推理方法.典型的模糊逻辑推理结构 2 模糊用户偏好档案 2.1 特征、集与特征 采用FLW用户喜好档案描述用户喜好特征和厌恶特征, 其中每一个特征都用3维矢量 (特征、喜好程度和权重) 定义.在FLW中, 特征指节目的属性, 如特定的节目类型、演员等. 如果用户喜好档案U中有q个不同特征, 则可表示为 式中:f 2.2 个人倾向性 模糊用户档案将清晰参数值 (喜好程度和权重) 转化为隶属度, 见图3.图中:l和w分别表示特征喜好程度和权重;μ为变量所属相关区域的可信度.l∈[-0.5, 0.5], |i|越大说明用户喜欢或厌恶的情绪越强烈;w∈[0, 1], w越大表示该特征越重要. 为便于交换信息, 本系统中节目信息和用户档案信息都用可扩展标记语言 (XML) 表示. 3 模糊筛选和推荐处理 3.1 筛选推荐步骤 首先, 模糊筛选代理基于模糊逻辑推理, 对即将播出的节目信息与FFLW喜好档案进行匹配, 预估出用户对该节目感兴趣的程度P.然后根据阈值筛选出用户可能喜欢的节目, 按P对筛选的结果进行归类排序, 由模糊推荐代理生成推荐列表, 并发送至用户端.具体可被分解为3个子步骤: (1) 特征匹配评估; (2) 节目匹配评估; (3) 设定阈值进行节目筛选和推荐排序.最后, 用户收到的推荐表中不仅包含推荐节目的信息, 还包含各推荐节目相应的P.P不仅包含反映节目与用户档案匹配程度的数值大小, 还包含预计用户可能对该节目的情绪感受.感兴趣程度的模糊隶属函数分布见图4, 该图不仅适用于节目匹配结果, 也适用于特征匹配结果. 3.2 输出变量的模糊化 特征匹配是指评估节目中某特征与用户喜好的相关性.节目 式中:t 为了得到用户对该特征的感兴趣程度f, 需要首先将节目中的该特征映射到用户喜好档案中.若用户喜好档案中不包含该特征, 则f为“0”;若用户喜好档案中包含该特征, 则执行以下步骤. (1) 选定输入输出变量.该步骤是能否体现模糊逻辑控制优越性的关键, 对于以后控制结果的理想程度起着至关重要的作用.先选定输出变量, 再找出对输出变量影响最大的变量作为输入变量.本文将f作为输出变量, 选择对f影响最大的特征喜好程度l和特征权重w作为输入变量. (2) 输入输出变量的模糊化.对输入输出变量进行模糊区划分, 给每个区一个唯一的名字, 然后从语义上对每个标号定义相应的模糊集.根据大量的实验数据, 本文确定的输入输出变量的隶属函数分别见图3和4. (3) 建立模糊推理规则.模糊推理规则主要是指联系输入/输出变量的控制规则.本文所得规则如下: (1) If l is“不喜欢”And w is“次要”Then f is“厌恶”; (2) If l is“不喜欢”And w is“重要”Then f is“非常厌恶”; (3) If l is“一般”And w is“重要”Then f is“一般”;……; (