基于用戶興趣建模的推薦方法及應用研究.pdf

1、如何對混雜無序的信息進行篩選和過濾，并將用戶最關注和最感興趣的信息進行展現(xiàn)，成為信息爆炸時代最重要的挑戰(zhàn)性問題之一。在此背景下，推薦系統(tǒng)應運而生，它不像搜索引擎一樣僅對用戶提供的顯式需求進行被動匹配，而是可以根據用戶潛在的興趣和愛好主動進行信息（項目）推薦，因此可以最大程度上提升用戶體驗、提高服務質量。然而，已有推薦算法經常受用戶興趣過擬合和用戶冷啟動等問題的困擾，導致了推薦效果的不理想。為此，本文提出對推薦系統(tǒng)中的用戶進行興趣建模，準

2、確理解用戶當前情境下的需求，然后，設計高效的推薦算法，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，構建了基于隨機游走的興趣擴展模型。當前協(xié)同過濾推薦算法往往只關注用戶和系統(tǒng)的交互信息，缺乏對用戶興趣深度理解。針對該問題，本文探索了用戶和項目之間存在的隱式興趣層。具體而言，設計了用戶-興趣-項目的三層推薦表示模型，在利用概率主題模型獲取用戶當前興趣后，提出基于隨

3、機游走的用戶興趣擴展與興趣傳播算法，并將符合用戶興趣的項目進行推薦?；诖?，構建了一個面向項目、基于模型的協(xié)同過濾推薦算法iExpand。在三個標準數據集上的大量實驗結果表明，iExpand生成的推薦列表可以更準確地把握用戶當前興趣。
　　 其次，提出了情境豐富時的游客興趣建模方法，設計了Cocktail旅游套餐個性化推薦算法。針對移動推薦的情境感知特性和數據稀疏等挑戰(zhàn)，對游客的旅游行為數據進行了細致分析，發(fā)現(xiàn)了旅游套餐中的旅游

4、景點之間隱含的時空關聯(lián)性?；诖税l(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）的游客映射到相近的隱空間，實現(xiàn)游客興趣和套餐內容的可比較性。基于該興趣模型和套餐價格約束等，設計實現(xiàn)了Cocktail旅游套餐推薦算法，為游客進行個性化的旅游套餐推薦服務。在一個旅游公司十年真實數據上的實驗結果表明，與當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，提出對新用戶進行興趣引導

5、的最優(yōu)初始項目推薦算法。針對如何從商家收益的角度對新用戶進行初始項目推薦的問題，研究了網絡中的最有影響力結點（項目）識別方法。首先，提出項目消費網絡中的最優(yōu)項目啟發(fā)式選擇算法，為新用戶推薦最有影響力的項目，從而誘導他們消費更多的項目;其次，提出基于PageRank線性信息傳播模型的最優(yōu)初始項目識別算法，給定用戶的已有消費項目集合（已有興趣），利用貪心策略尋找能夠帶來最多潛在消費的一組項目進行推薦，結合商家潛在收益，對推薦的有效性進行評價