融合隐式信任与属性偏好的群组推荐算法 |
| |
引用本文: | 边纪超,庞继芳,宋鹏.融合隐式信任与属性偏好的群组推荐算法[J].南京大学学报(自然科学版),2023(5):803-812. |
| |
作者姓名: | 边纪超 庞继芳 宋鹏 |
| |
作者单位: | 1. 山西大学计算机与信息技术学院;2. 山西大学计算智能与中文信息处理教育部重点实验室;3. 山西大学经济与管理学院 |
| |
基金项目: | 国家自然科学基金(62006148,72171137); |
| |
摘 要: | 随着互联网和推荐系统的不断发展,推荐服务的对象由单一用户扩展为群组成员,获取并融合组内成员的偏好、提升群组推荐效果成为当前推荐领域研究的热点问题.利用用户提供的多属性评分矩阵,提出一种融合隐式信任与属性偏好的群组推荐算法.首先,基于用户共同评分项目数和多属性评分相似度计算用户间的直接隐式信任,并利用信任传递机制获取用户间的间接信任,降低数据稀疏性.然后,通过计算用户各属性评分与总体评分间的距离来挖掘用户的属性偏好,在此基础上,利用注意力机制学习组内用户权重,将用户偏好聚合为群组偏好,进而结合深度学习框架对候选项目进行预测,生成最终的推荐列表.最后,四个数据集上的实验验证了提出的算法的有效性和可行性,实验结果表明,该算法的准确率、nDCG等评价指标明显优于对比算法.
|
关 键 词: | 群组推荐 多属性评分矩阵 隐式信任 属性偏好 注意力机制 |
|