基于区间型符号数据的群组推荐算法研究

【引言】推荐系统是通过了解用户的喜好并向用户推荐符合其兴趣爱好对象的一种信息技术。作为一种重要的信息过滤技术，推荐系统已经成为各大网站不可或缺的个性化信息服务形式。相对于个体推荐，群组推荐的对象是一个由多个不同成员组成的群体，他们拥有某些共同的兴趣偏好或需求，如商业组织、爱好者协会等。如何为这些群体用户提供有效的个性化信息服务，带来了对群体推荐系统的极大需求。近年来陆续有学者对群体推荐系统展开研究。国内学者对群组推荐算法方面的研究较少，文献应用离子群算法构建领域项目分类模型，在此基础上建立群组用户的兴趣模型，然后采用最近邻方法完成推荐。国外研究群组推荐算法大多通过某种方法把群组视为个体，然后应用个体推荐的算法对群组进行推荐。文献的TV4M 系统通过计算各群组与目标群组的距离来确定相似群组，其中群组对推荐项目的矩阵用特征子集来表示。文献在将个体特征表整合成群组特征表的过程中引入遗传算法，在考虑群组中个体间存在相互作用的同时提高了算法的精确度。文献首先对群组中的个体进行推荐，然后将单个的推荐结果转换为对整个群组的推荐结果，最大限度地提高了群组个体的满意度，但耗时较多且效率较低。文献通过将群组中喜好相同的用户合为一个用户对评分矩阵降维，同时将个体推荐结果整合为群组推荐结果，使推荐更精确有效。文献将群组中个体的合作性因素和社会信任因素运用到群组推荐算法中，并证明当群组中合作性和信任度较高时推荐结果较为精确。