应用商城中用户年龄的推断及在推荐中的应用

来源：计算机科学与探索杂志2018年第11期北京时间：

作者：李佳琪，刘红岩，何军，王蓓，杜小勇

单位：1. 数据工程与知识工程教育部重点实验室（中国人民大学 信息学院），北京 1008722. 清华大学 经济管理学院，北京 100084

摘要：随着移动端设备的快速发展，手机应用呈爆炸式增长，如何在包含百万App的手机应用商城中将用户喜爱的App准确推荐给用户显得尤为重要。通过对艾瑞发布的多项移动行业报告以及对用户的调查分析，发现用户的年龄信息是影响用户选择App的因素之一。针对此现象，提出采用用户年龄信息与传统推荐算法相结合的方式来给用户推荐App。将预测用户年龄看成分类问题。利用用户在应用商城中的多项行为特征构建用户年龄预测模型。提出了两个基于用户年龄的推荐模型AgeBPR模型和AgeSocialMF模型。通过大量用户的真实数据集上的实验结果表明，提出的两个模型的推荐准确度较基准模型均有一定幅度的提升，说明提出的将用户年龄信息考虑到推荐模型中的有效性。

关键词：年龄预测,隐式反馈,推荐系统,矩阵分解