基于个性化混合推荐算法的网络推荐系统

在最近的工作中,提出个性化推荐算法,它在准确性和多样性两个方面有很高的绩效。该方法是基于两个单算法概率扩散和热传导的杂交,它们分别是倾向于推荐受欢迎和不受欢迎的产品。凭着可调参数,可以在系统层面实现这两种算法之间的最佳平衡。该文中,在个人层面应用这种混合方法,即每个用户都可以调整他/她自己的个性化的混合参数。有趣的是,笔者发现用户在个性化混合参数和推荐绩效方面相当的不同。如果给每个用户分配最佳的个性化混合参数,那么推荐绩效就会有显著的提高。此外,在收集的项目中笔者发现用户的个性化参数与用户个人等级呈负相关,但是与用户的平均等级呈正相关。根据对这些的理解,该文提出了一个分配给用户合适的个性化参数的策略,它使原来的混合方法得到进一步的改善。最后,该工作突出考虑推荐用户多样性的重要性。