用戶(hù)隱性偏好學(xué)習(xí)與融合的組推薦算法研究.pdf

1、個(gè)性化推薦是根據(jù)用戶(hù)的偏好和行為特點(diǎn)向用戶(hù)推薦感興趣信息的過(guò)程。在未來(lái)的智能電視系統(tǒng)中，真正的智能視頻推薦應(yīng)該是不需要用戶(hù)評(píng)分動(dòng)作就能自動(dòng)、準(zhǔn)確地獲得用戶(hù)興趣、愛(ài)好并做出推薦的系統(tǒng)。除此之外，組推薦也是智能電視推薦系統(tǒng)的一項(xiàng)挑戰(zhàn)。目前流行的一些組推薦算法都是基于各成員偏好重要性等方面的某種假設(shè)，由于這些假設(shè)不能完全真實(shí)地再現(xiàn)組成員的選擇，因此推薦結(jié)果很難真正滿(mǎn)足用戶(hù)需求。
　　針對(duì)上述兩個(gè)問(wèn)題，本文做了以下工作:
　　(1)

2、介紹用戶(hù)隱性行為的研究現(xiàn)狀，分析獲取用戶(hù)隱性評(píng)分的必要性。用戶(hù)偏好根據(jù)其不同的表現(xiàn)形式可以分為隱性偏好和顯性偏好兩種。當(dāng)前根據(jù)用戶(hù)行為獲取用戶(hù)隱性偏好的方法大多集中于WEB領(lǐng)域，尚無(wú)針對(duì)用戶(hù)觀影行為預(yù)測(cè)用戶(hù)對(duì)電影隱性評(píng)分的算法，因此研究用戶(hù)隱性評(píng)分預(yù)測(cè)算法兼具理論與實(shí)用價(jià)值。
　　(2)本文設(shè)計(jì)了一種基于神經(jīng)網(wǎng)絡(luò)的用戶(hù)隱性評(píng)分自動(dòng)獲取方法。該方法將電影時(shí)長(zhǎng)、用戶(hù)觀影時(shí)長(zhǎng)、用戶(hù)快進(jìn)次數(shù)和用戶(hù)快退次數(shù)設(shè)置為變量，采用BP神經(jīng)網(wǎng)絡(luò)算法展

3、開(kāi)學(xué)習(xí)，建立起一種基于神經(jīng)網(wǎng)絡(luò)的用戶(hù)視頻隱性評(píng)分學(xué)習(xí)模型。實(shí)驗(yàn)結(jié)果表明，該方法不僅可以有效獲取用戶(hù)的隱性評(píng)分信息，還可以直接固化于未來(lái)智能電視的設(shè)計(jì)之中，具有實(shí)際應(yīng)用價(jià)值。
　　(3)與傳統(tǒng)個(gè)性化推薦算法不同，組推薦算法體現(xiàn)了一組用戶(hù)的偏好，因此如何融合用戶(hù)個(gè)人偏好是組推薦研究的關(guān)鍵點(diǎn)?，F(xiàn)有的偏好融合方法主要有評(píng)分融合、列表融合及建立組偏好模型三種，每種方法包含數(shù)個(gè)具體的偏好融合策略。本文比較了幾種現(xiàn)有的用戶(hù)偏好融合策略，并整理了