個(gè)性化推薦中關(guān)于專家用戶的研究.pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展，信息爆炸的時(shí)代已經(jīng)到來，人們往往會(huì)遭受到很多無用信息帶來的困擾。個(gè)性化推薦系統(tǒng)的重要性逐漸凸顯出來，因?yàn)樗粌H可以幫人們過濾掉很多無用的信息，而且商家也可以通過虛擬營(yíng)銷增加他們的收入。因此它吸引了很多來自工業(yè)界和學(xué)術(shù)界人士對(duì)個(gè)性化推薦算法的研究。近年來，隨著社交網(wǎng)絡(luò)的快速發(fā)展，基于社交網(wǎng)絡(luò)的個(gè)性化推薦算法已成為推薦領(lǐng)域的主要研究方向。
　　冷啟動(dòng)和數(shù)據(jù)稀疏兩大問題是個(gè)性化推薦算法研究中不可避免的挑戰(zhàn)，它們會(huì)嚴(yán)重影

2、響推薦算法的整體性能。在基于社交網(wǎng)絡(luò)的個(gè)性化推薦算法研究中，人們往往將多種用戶之間的社會(huì)關(guān)系加入推薦算法，減輕用戶冷啟動(dòng)給個(gè)性化推薦帶來的不良影響。然而傳統(tǒng)方法大多使用的是用戶間的顯性關(guān)系，如朋友關(guān)系。實(shí)際上冷啟動(dòng)用戶很難有足夠多的顯性關(guān)系供算法學(xué)習(xí)。鑒于此，本文提出了將用戶間的隱性關(guān)系——專家關(guān)系用于個(gè)性化推薦，即利用冷啟動(dòng)用戶感興趣領(lǐng)域的專家來學(xué)習(xí)用戶偏好，主要工作分為兩部分:
　　1)當(dāng)數(shù)據(jù)集中標(biāo)注了哪些是專家用戶時(shí)，本文利

3、用興趣圈中的朋友和專家優(yōu)化個(gè)性化推薦算法。興趣圈由訪問某一類別商品的用戶群及他們之間的社會(huì)關(guān)系構(gòu)成，不同用戶訪問同一類別商品表明他們對(duì)此類別具有相似興趣。算法通過設(shè)計(jì)朋友關(guān)系和專家關(guān)系的正則化項(xiàng)來約束矩陣分解目標(biāo)函數(shù)，提高推薦的準(zhǔn)確度。并且在Yelp競(jìng)賽的真實(shí)數(shù)據(jù)集上做了充分的實(shí)驗(yàn)來驗(yàn)證算法效果。
　　2)在數(shù)據(jù)集中沒有給出專家用戶的情況下，首先根據(jù)信息傳播理論和用戶評(píng)分記錄提出了一種無監(jiān)督的專家發(fā)現(xiàn)方法。然后將發(fā)現(xiàn)的專家對(duì)用戶的