基于LSI信息融合的实时推荐算法研究

目前国内问答社区的用户检索推荐主要基于字符匹配,缺乏对用户的历史行为信息的综合利用。提出了一种基于LSI(latent semantic indexing)的用户实时推荐算法,融合了检索关键词和社区用户历史行为信息,实时推荐与检索内容确实相关的高质量用户。在关键词检索的问题上,突破了传统字符匹配的框架,融合了社区用户的历史行为信息进行检索,避免了因字符匹配产生的信息单薄而推荐错误;不同于LSI的传统应用,该系统利用LSI挖掘词语潜在语义和对向量空间降维的两个特性,将LSI应用在实时用户推荐情形,更高效地做出社区用户的推荐。推荐算法的训练和测试以知乎为例。真实数据表明,该算法推荐效果对比知乎推荐现状有明显提升,使推荐用户的历史行为信息与检索关键词相契合。