群组推荐系统:现状与展望

目前,个性化推荐系统的研究已经成为一个热门领域,其技术在各行各业得到了广泛应用.在现实生活中,人们可以划分成不同的群组,人们也经常以群组的形式一起参加各种形式的活动,所以对群组推荐也具有实际的应用价值,群组推荐系统已经吸引了越来越多的关注.本文对群组推荐系统的相关研究进行了梳理,将群组推荐的核心技术分为5个方面:群组识别、信息获取方法、融合策略、推荐方法和评价指标.本文对这些方面进行了详细介绍与分析.此外,还列举了群组推荐系统发展中面临的困难与挑战.最后,对群组推荐系统未来的发展方向进行了展望.

基于偏好融合的群组推荐方法研究综述

群组推荐是推荐系统领域的研究热点之一,相比传统推荐系统,群组推荐针对团体性活动对群组成员进行推荐,很好地缓和了群组成员间的偏好冲突,取得了更好的推荐效果.本文介绍了近年来基于偏好融合的群组推荐方法相关研究进展;总结了群组推荐方法常使用的评价指标和数据集;并通过实验重点分析比较了不同偏好融合对推荐结果的影响及偏好融合、推荐特征、推荐方法之间的关系;最后对群组推荐中偏好融合策略和方法的下一步研究重点进行了展望.为基于偏好融合的群组推荐方法进一步深入研究提供参考.

基于非负矩阵分解的群组推荐算法

近年来,随着媒介技术的快速发展,人们成组活动的现象逐渐增多,群组推荐系统也逐渐受到关注。现有的群组推荐系统往往将不同的成员视为同质对象,忽视了成员专业背景和项目固有属性之间的关系,无法真正地解决融合过程中的偏好冲突问题。为此,提出一种基于非负矩阵分解的群组推荐算法,通过非负矩阵分解将群组评分信息分解为用户矩阵和项目矩阵,针对2个矩阵分别利用隶属度和专业度权值计算得到项目隶属度矩阵和成员专业度矩阵,并由此获得各成员在不同项目上的贡献度来构建群组偏好模型。实验结果表明,所提算法在不同群组规模和组内相似度的情况下依然具有较高的推荐准确度。