基于用戶興趣建模的推薦方法及應(yīng)用研究.pdf

1、如何對(duì)混雜無(wú)序的信息進(jìn)行篩選和過(guò)濾，并將用戶最關(guān)注和最感興趣的信息進(jìn)行展現(xiàn)，成為信息爆炸時(shí)代最重要的挑戰(zhàn)性問(wèn)題之一。在此背景下，推薦系統(tǒng)應(yīng)運(yùn)而生，它不像搜索引擎一樣僅對(duì)用戶提供的顯式需求進(jìn)行被動(dòng)匹配，而是可以根據(jù)用戶潛在的興趣和愛(ài)好主動(dòng)進(jìn)行信息（項(xiàng)目）推薦，因此可以最大程度上提升用戶體驗(yàn)、提高服務(wù)質(zhì)量。然而，已有推薦算法經(jīng)常受用戶興趣過(guò)擬合和用戶冷啟動(dòng)等問(wèn)題的困擾，導(dǎo)致了推薦效果的不理想。為此，本文提出對(duì)推薦系統(tǒng)中的用戶進(jìn)行興趣建模，準(zhǔn)

2、確理解用戶當(dāng)前情境下的需求，然后，設(shè)計(jì)高效的推薦算法，以提高用戶滿意度和商家收益。本文的工作與貢獻(xiàn)可以概括如下:
　　 首先，提出了基于概率主題模型的用戶興趣表示方法，構(gòu)建了基于隨機(jī)游走的興趣擴(kuò)展模型。當(dāng)前協(xié)同過(guò)濾推薦算法往往只關(guān)注用戶和系統(tǒng)的交互信息，缺乏對(duì)用戶興趣深度理解。針對(duì)該問(wèn)題，本文探索了用戶和項(xiàng)目之間存在的隱式興趣層。具體而言，設(shè)計(jì)了用戶-興趣-項(xiàng)目的三層推薦表示模型，在利用概率主題模型獲取用戶當(dāng)前興趣后，提出基于隨

3、機(jī)游走的用戶興趣擴(kuò)展與興趣傳播算法，并將符合用戶興趣的項(xiàng)目進(jìn)行推薦。基于此，構(gòu)建了一個(gè)面向項(xiàng)目、基于模型的協(xié)同過(guò)濾推薦算法iExpand。在三個(gè)標(biāo)準(zhǔn)數(shù)據(jù)集上的大量實(shí)驗(yàn)結(jié)果表明，iExpand生成的推薦列表可以更準(zhǔn)確地把握用戶當(dāng)前興趣。
　　 其次，提出了情境豐富時(shí)的游客興趣建模方法，設(shè)計(jì)了Cocktail旅游套餐個(gè)性化推薦算法。針對(duì)移動(dòng)推薦的情境感知特性和數(shù)據(jù)稀疏等挑戰(zhàn)，對(duì)游客的旅游行為數(shù)據(jù)進(jìn)行了細(xì)致分析，發(fā)現(xiàn)了旅游套餐中的旅游

4、景點(diǎn)之間隱含的時(shí)空關(guān)聯(lián)性。基于此發(fā)現(xiàn)，提出融合情境信息的游客興趣表示方法TAST，將具有相似旅游偏好（如旅游季節(jié)和地點(diǎn)）的游客映射到相近的隱空間，實(shí)現(xiàn)游客興趣和套餐內(nèi)容的可比較性?；谠撆d趣模型和套餐價(jià)格約束等，設(shè)計(jì)實(shí)現(xiàn)了Cocktail旅游套餐推薦算法，為游客進(jìn)行個(gè)性化的旅游套餐推薦服務(wù)。在一個(gè)旅游公司十年真實(shí)數(shù)據(jù)上的實(shí)驗(yàn)結(jié)果表明，與當(dāng)前具有代表性的推薦算法相比，該系統(tǒng)顯著提高了推薦精度。
　　 最后，提出對(duì)新用戶進(jìn)行興趣引導(dǎo)

5、的最優(yōu)初始項(xiàng)目推薦算法。針對(duì)如何從商家收益的角度對(duì)新用戶進(jìn)行初始項(xiàng)目推薦的問(wèn)題，研究了網(wǎng)絡(luò)中的最有影響力結(jié)點(diǎn)（項(xiàng)目）識(shí)別方法。首先，提出項(xiàng)目消費(fèi)網(wǎng)絡(luò)中的最優(yōu)項(xiàng)目啟發(fā)式選擇算法，為新用戶推薦最有影響力的項(xiàng)目，從而誘導(dǎo)他們消費(fèi)更多的項(xiàng)目;其次，提出基于PageRank線性信息傳播模型的最優(yōu)初始項(xiàng)目識(shí)別算法，給定用戶的已有消費(fèi)項(xiàng)目集合（已有興趣），利用貪心策略尋找能夠帶來(lái)最多潛在消費(fèi)的一組項(xiàng)目進(jìn)行推薦，結(jié)合商家潛在收益，對(duì)推薦的有效性進(jìn)行評(píng)價(jià)