基于领域知识的个性化推荐模型及其应用研究

《基于领域知识的个性化推荐模型及其应用研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、第９卷第１０期管理学报Ｖｏｌ．９Ｎｏ．１０２０１２年１０月ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＭａｎａｇｅｍｅｎｔＯｃｔ．２０１２基于领域知识的个性化推荐模型及其应用研究陈全１，２１，２１，２张玲玲石勇（１．中国科学院研究生院管理学院；２．中国科学院研究生院虚拟经济与数据科学研究中心）摘要：首先，讨论了传统电子商务领域个性化推荐算法及其应用，提出传统推荐方法通常忽视了领域知识，因而在实际应用中存在局限性；然后，讨论了领域知识的相关概念和分类，并在此基础上建立了结合领域知识的两阶段推荐模型；最后，基于网络超市数据进行了实证研究，实验结果表明改进后的推荐算法效果要明显优于

2、传统的个性化推荐算法。关键词：领域知识；个性化推荐；协同过滤中图分类号：Ｃ９３文献标识码：Ａ文章编号：１６７２－８８４Ｘ（２０１２）１０－１５０５－０５ＤｏｍａｉｎＫｎｏｗｌｅｄｇｅＢａｓｅｄＰｅｒｓｏｎａｌｉｚｅｄＲｅｃｏｍｍｅｎｄａｔｉｏｎａｎｄＩｔｓＡｐｐｌｉｃａｔｉｏｎＣＨＥＮＱｕａｎＺＨＡＮＧＬｉｎｇｌｉｎｇＳＨＩＹｏｎｇ（ＧｒａｄｕａｔｅＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅ，Ｂｅｉｊｉｎｇ，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔｈｉｓｐａｐｅｒｄｉｓｃｕｓｓｅｓｔｈｅｔｒａｄｉｔｉｏｎａｌｐｅｒｓｏｎａｌｉｚｅｄｒｅｃｏｍｍ

3、ｅｎｄａｔｉｏｎｍｅｔｈｏｄｓａｎｄｔｈｅｉｒａｐ－ｐｌｉｃａｔｉｏｎｓｉｎｅ－ｃｏｍｍｅｒｃｅ．Ｔｈｅｎ，ｉｔａｒｇｕｅｓｔｈａｔｃｌａｓｓｉｃｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇｕｓｕａｌｌｙｄｏｅｓｎｏｔｔａｋｅｄｏ－ｍａｉｎｋｎｏｗｌｅｄｇｅｉｎｔｏｃｏｎｓｉｄｅｒａｔｉｏｎａｎｄｉｔｓｌｉｍｉｔａｔｉｏｎｉｎｒｅａｌｗｏｒｌｄａｐｐｌｉｃａｔｉｏｎ．Ｉｔｆｕｒｔｈｅｒｄｉｓｃｕｓｓｅｓｔｈｅｃｏｎｃｅｐｔｏｆｄｏｍａｉｎｋｎｏｗｌｅｄｇｅ，ａｎｄｂｕｉｌｄａｔｗｏ－ｓｔｅｐｓｒｅｃｏｍｍｅｎｄａｔｉｏｎｍｏｄｅｌｗｈｉｃｈｃｏｍｂｉｎｅｓｄｏｍａ

4、ｉｎｋｎｏｗｌｅｄｇｅｗｉｔｈｔｒａｄｉｔｉｏｎａｌｒｅｃｏｍｍｅｎｄａｔｉｏｎｍｅｔｈｏｄ．Ｆｉｎａｌｌｙ，ｔｈｒｏｕｇｈｅｍｐｉｒｉｃａｌｓｔｕｄｙ，ｉｔｉｓｐｒｏｖｅｄｔｈａｔｐｅｒｓｏｎａｌｉｚｅｄｒｅｃｏｍｍｅｎｄａｔｉｏｎｂａｓｅｄｏｎｄｏｍａｉｎｋｎｏｗｌｅｄｇｅｒｕｎｓｍｕｃｈｂｅｔｔｅｒｔｈａｎｔｒａｄｉｔｉｏｎａｌｒｅｃ－ｏｍｍｅｎｄａｔｉｏｎｍｅｔｈｏｄｉｎａｌｌｅｖａｌｕａｔｉｏｎｉｎｄｉｃａｔｏｒｓ．Ｋｅｙｗｏｒｄｓ：ｄｏｍａｉｎｋｎｏｗｌｅｄｇｅ；ｐｅｒｓｏｎａｌｉｚｅｄｒｅｃｏｍｍｅｎｄａｔｉｏｎ；ｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅ

5、ｒｉｎｇ互联网的迅猛发展和电子商务的广泛应１基于领域知识的个性化推荐用，极大地丰富了信息资源，为人们提供了获取信息的重要来源，但是信息大量增加的同时带１．１传统电子商务推荐方法的主要缺陷来的是信息泛滥问题，用户往往迷失在信息的目前，主要的推荐方法包括：协同过滤推汪洋中，在此背景下，个性化推荐应运而生。个荐、基于内容推荐、基于规则推荐等。其中，协性化推荐在２０世纪９０年代被作为一个独立的同过滤是当前应用最为广泛的电子商务推荐技［１］概念提出。最早出现的个性化推荐系统是协术。传统协同过滤完全依赖于用户行为数据，同式过滤系统———邮件系统Ｔａｐｅｓｔｒｙ，主要用通过比较

6、用户（或项目）间的相似性来产生推于解决电子邮件泛滥、信息过载的问题。荐，因而存在两方面不足：①传统协同过滤算法［２］ＧＯＬＤＢＥＲＧ等在构建系统时提出了协同过只有在用户数据集密度较大时，才能获得较高滤概念。推荐系统最典型的应用是在Ｂ２Ｃ电的推荐质量。但是在多数情况下，用户－产品矩子商务领域，几乎所有的大型电子商务系统，阵往往非常稀疏，其极端情况则产生了冷启动如国外的Ａｍａｚｏｎ、ｅＢａｙ，国内的淘宝网、当当现象（新用户或新产品进入推荐系统）。ＳＡＲ－［３］网等，都不同程度地使用了各种形式的推荐系ＷＡＲ等用实验证明数据集密度的下降会引统。起推荐质量的下降，若矩阵过于

7、稀疏，甚至会使收稿日期：２０１０－１２－３１基金项目：国家自然科学基金资助项目（７１０７１１５１，７０９２１０６１）；中国科学院研究生院院长基金资助项目（０８５１０２ＨＮ００）·１５０５·管理学报第９卷第１０期２０１２年１０月得个性化推荐准确度低于非个性化推荐方法。②传统协同过滤算法也存在可扩展性较差的问题，即随着系统中用户和项目数量的增多，算法的计算复杂度急剧增加，导致推荐性能下降，直接影响推荐时效性。在实际应用中，除了用户行为数据外，还存在着大量的领域知识，传统的协同过滤方法正是忽略了领域知识，因而无法得到令人满意的推荐效果。１．２领域知识的相关概念领域知识是

8、指用以指导