基于反向最远邻的商品推荐算法研究

来源：华东师范大学学报·哲学社会科学版杂志2019年第3期北京时间：

作者：王凯, 李博涵, 万朔, 张安曼, 关东海

单位：王凯,男,硕士研究生,主要研究方向为时空数据库、推荐系统.E-mail:hxyrqx123@sina.com.

摘要：有效的推荐算法可以最大限度地发掘商品的价值.通过研究用户的偏好，分析了从海量商品信息中为用户推荐感兴趣内容的方法.目前大多数推荐系统向用户推荐的是较为流行的商品，而忽略了那些当下不"热门"，却有着巨大潜力的商品.以发掘小众中的大众商品为目的，提出了一种基于反向最远邻（ReverseFurthest Neighbor，RFN）查询的商品推荐算法：基于专家用户的信任协同过滤算法，替代传统用户相似匹配的协同过滤推荐算法；利用幂律对商品进行范围缩减，优化系统筛选的效率，实现了对有潜在价值商品的推荐，使小众商品属性的分布得到更深层次的挖掘.实验结果表明本文推荐算法输出结果质量较高，适用于解决部分"长尾问题".

关键词：推荐系统,协同过滤,反向最远邻,幂律,

基金资助：国家自然科学基金（61728204，61672284，41301407）；南京航空航天大学科研基地创新基金（NJ20160028）；南京航空航天大学青年科技创新基金（NT2018028）；智能电网保护和运行控制国家重点实验室基金（国防预研领域）；江苏省高校优势学科建设工程资助项目；高安全系统的软件开发与验证技术工业和信息化部重点实验室项目（NJ2018014）