群组推荐分析与研究综述

随着大数据时代的到来,推荐系统的应用领域也愈发广泛,组推荐系统的推荐服务对象由单一用户扩展为群组成员,正成为推荐系统领域的研究热点之一。组推荐系统需要考虑所有群体成员的偏好,将各成员的偏好融合,缓解群组成员之间的偏好冲突,使推荐结果尽可能满足所有群组成员。主要对最近的组推荐的研究进展进行综述,分别对群组分类、群组发现、群组预测推荐的前沿进行总结,并概括了群组推荐的影响因素。最后,对组推荐的研究点及其展望分别进行阐述。

组推荐系统及其应用研究

近年来,组推荐系统逐渐成为推荐系统领域的研究热点之一.大部分推荐系统主要关注单个用户的推荐,然而在许多日常活动中需要为多个用户形成的群组进行推荐.组推荐系统作为解决群组推荐问题的有效手段,将单个用户推荐扩展为群组推荐,这为推荐系统的研究带来了一些新的挑战.根据群组特征和社会化因素,融合群组成员偏好以满足所有群组成员的偏好需求是组推荐系统的主要任务.该文对最近几年组推荐系统研究进展进行综述,从组推荐系统的形式化定义和研究框架入手,对组推荐系统的用户偏好获取、群组发现、偏好融合算法、社会化组推荐以及效用评价等关键技术进行前沿概况,并分析了群组特征对偏好融合算法的影响.对组推荐系统在不同领域的应用进展进行归纳和总结.最后,对组推荐系统有待深入研究的难点和发展方向进行展望.

知识图谱在银行风控方面的探索与实践

文章提出一种基于知识图谱群组建模算法的链式风险传导、发现与预警的风控方法,该方法的核心思想是运用知识图谱技术构建对公资金链图谱,利用Louvain社区发现算法以自启发的方式将图谱网络中的企业节点划分成不同群组,每当模型监测到企业出现资金链断裂、舆情等风险事件时,通过图谱的社区机制对风险企业所属群组内所有节点实行链式传导。相较于商业银行的传统风控,图谱风控方法让监测对象涵盖了整个上下游交易链路而不局限于企业本身,建立了一种更广泛维度的风险发现与预警机制。