考虑负面评价的个性化推荐算法研究

《考虑负面评价的个性化推荐算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第２１卷第６期运筹与管理Ｖｏｌ．２１，Ｎｏ．６２０１２年１２月ＯＰＥＲＡＴＩＯＮＳＲＥＳＥＡＲＣＨＡＮＤＭＡＮＡＧＥＭＥＮＴＳＣＩＥＮＣＥＤｅｃ．２０１２考虑负面评价的个性化推荐算法研究苏莹，刘建国，郭强，田大钢（上海理工大学复杂系统科学研究中心，上海２０００９３）摘要：利用用户的负面评价信息，本文提出了一种新的推荐算法结构。算法首先将用户选择过的产品分为喜欢和不喜欢两类。其次利用用户的喜好信息构建推荐列表，同时利用负面评价信息构建厌恶列表。最后将推荐列表中的厌恶产品进行过滤，精炼推荐列表。Ｍｏｖｉｅｌｅｎｓ数据上的实验结果显示，当采用９０％数据作为训练集时，推荐列表的排序打

2、分可以达到已知算法的最大值０．０７７，推荐列表的长度为１０时，推荐列表的多样性和推荐新信息的能力相对不考虑负面信息的算法分别提高了１６．０８％和２８．８３％。同时，算法可以识别出根据喜好信息构建的推荐列表中１９．１５％的产品是用户不喜欢的。新算法结构不仅是目前已知的准确度和多样性都最高的算法，而且可以极大地降低系统的计算复杂度，节约存储空间。该工作开辟了利用用户负面评价提高推荐效果的新思路。关键词：推荐算法；用户兴趣点；物质扩散；二部分网络中图分类号：ＴＰ３０１．６文章标识码：Ａ文章编号：１００７-３２２１（２０１２）０６-００１７-０６PersonalizedRecomme

3、ndationAlgorithmbyConsideringtheNegativeRatingsＳＵＹｉｎｇ，ＬＩＵＪｉａｎ-ｇｕｏ，ＧＵＯＱｉａｎｇ，ＴＩＡＮＤａ-ｇａｎｇ（ResearchCenterofComplexSystemsScience，UniversityofShanghaiforScienceandTechnology，Shanghai２０００９３，China）Abstract：Ｂｙｃｏｎｓｉｄｅｒｉｎｇｕｓｅｒｓ’ｎｅｇａｔｉｖｅｒａｔｉｎｇｓ，ｔｈｉｓｐａｐｅｒｉｎｔｒｏｄｕｃｅｓａｎｅｗｒｅｃｏｍｍｅｎｄａｔｉｏｎａｌｇｏｒｉｔｈｍａｒｃｈｉｔｅｃ-ｔｕ

4、ｒｅ．Ａｃｃｏｒｄｉｎｇｔｏｔｈｅｒａｔｉｎｇｓｃｏｒｅｓ，ｔｈｅａｌｇｏｒｉｔｈｍｄｉｖｉｄｅｓａｌｌｔｈｅｏｂｊｅｃｔｓｒａｔｅｄｂｙｕｓｅｒｓｉｎｔｏｔｗｏｃａｔｅｇｏｒｉｅｓ，ｌｉｋｅｄｏｎｅａｎｄｄｉｓｌｉｋｅｄｏｎｅ．Ｂｏｔｈｔｗｏｓｅｔｓａｒｅｕｓｅｄｔｏｏｂｔａｉｎｕｓｅｒｓ’ｒｅｃｏｍｍｅｎｄｅｄｌｉｓｔｓａｎｄｄｉｓｌｉｋｅｄｌｉｓｔｂｙｔｈｅｍａｓｓ-ｄｉｆｆｕｓｉｏｎ-ｂａｓｅｄａｌｇｏｒｉｔｈｍ．Ｔｈｅｎｔｈｅｌｉｓｔｓｄｉｓｌｉｋｅｄａｒｅｕｓｅｄｔｏｆｉｌｔｅｒｏｕｔｔｈｅｄｉｓｌｉｋｅｄｏｂｊｅｃｔｓｉｎｔｈｅｒｅｃｏｍｍｅｎｄｅｄｌｉｓｔ．Ｔ

5、ｈｅｎｕｍｅｒｉｃａｌｒｅｓｕｌｔｓｏｎｏｎｅｂｅｎｃｈｍａｒｋｄａｔａｓｅｔｓｈｏｗｗｈｅｎｔｈｅｔｒａｉｎｉｎｇｓｅｔｉｓｓｅｔａｓ９０％ｐｅｒｃｅｎｔｏｆｄａｔａ，ｔｈｅａｖｅｒａｇｅｒａｎｋｉｎｇｓｃｏｒｅｏｆｔｈｅｒｅｃｏｍｍｅｎｄｅｄｌｉｓｔｃｏｕｌｄｂｅｉｍｐｒｏｖｅｄｔｏ０．０７７．Ｃｏｍｐａｒｅｄｗｉｔｈｔｈｅｓｔａｎｄａｒｄｍａｓｓ-ｄｉｆｆｕｓｉｏｎ-ｂａｓｅｄａｌｇｏｒｉｔｈｍ，ｗｈｅｎｔｈｅｌｅｎｇｔｈｏｆｒｅｃｏｍｍｅｎｄｅｄｌｉｓｔｉｓ１０，ｔｈｅｄｉｖｅｒｓｉｔｙａｎｄｐｒｅｄｉｃｔｉｎｇｎｅｗｉｎ-ｆｏｒｍａｔｉｏｎｃａｐａｂｉｌｉｔｙｃｏｕ

6、ｌｄｂｅｒｅｓｐｅｃｔｉｖｅｌｙｉｍｐｒｏｖｅｄｂｙ１６．０８％ａｎｄ２８．８３％．Ｉｎａｄｄｉｔｉｏｎ，ｔｈｅａｌｇｏｒｉｔｈｍｃｏｕｌｄｉ-ｄｅｎｔｉｆｙ１９．１５％ｄｉｓｌｉｋｅｄｏｂｊｅｃｔｓｉｎｔｈｅｒｅｃｏｍｍｅｎｄｅｄｌｉｓｔ．Ｔｈｅｎｕｍｅｒｉｃａｌｒｅｓｕｌｔｓｉｎｄｉｃａｔｅｔｈａｔｔｈｅｎｅｇａｔｉｖｅｒａｔｉｎｇｓａｒｅｃｒｕｃｉａｌｆｏｒｉｍｐｒｏｖｉｎｇｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅｒｅｃｏｍｍｅｎｄａｔｉｏｎａｌｇｏｒｉｔｈｍ．Keywords：ｒｅｃｏｍｍｅｎｄａｔｉｏｎａｌｇｏｒｉｔｈｍ；ｕｓｅｒｔａｓｔｅｓ；ｍａｓｓｄｉｆｆｕｓ

7、ｉｏｎ；ｂｉｐａｒｔｉｔｅｎｅｔｗｏｒｋ０引言如何识别用户的喜好，根据用户的兴趣进行信息的自动过滤是推荐系统研究的一个重要课题。推荐系［１～３］统（ＲｅｃｏｍｍｅｎｄｅｒＳｙｓｔｅｍ），也称为个性化推荐（ＰｅｒｓｏｎａｌＲｅｃｏｍｍｅｎｄａｔｉｏｎ）被认为是迄今解决信息超载问题的最有效的信息过滤手段。推荐系统通过分析用户的历史信息代替用户评估其未知的产品，包括电影、音收稿日期：２０１１-０８-１２基金项目：国家自然科学基金资助项目（１０９０５０５２，７０９０１０１０，７１０７１０９８）；上海市科研创新基