面向用户偏好发现的隐变量模型构建与推理

来源：计算机应用杂志2017年第2期北京时间：

作者：高艳, 岳昆, 武浩, 付晓东, 刘惟一

单位：1. 云南大学 信息学院, 昆明 650504;2. 昆明理工大学 信息工程与自动化学院, 昆明 650500

摘要：电子商务应用中产生了大量用户评分数据，而这些数据中富含了用户观点和偏好信息，为了能够从这些数据中准确地推断出用户偏好，提出一种面向评分数据中用户偏好发现的隐变量模型（即含隐变量的贝叶斯网）构建和推理的方法。首先，针对评分数据的稀疏性，使用带偏置的矩阵分解（BMF）模型对其进行填补；其次，用隐变量表示用户偏好，给出了基于互信息（MI）、最大半团和期望最大化（EM）算法的隐变量模型构建方法；最后，给出了基于Gibbs采样的隐变量模型概率推理和用户偏好发现方法。实验结果表明，与协同过滤的方法相比，该方法能有效地描述评分数据中相关属性之间的依赖关系及其不确定性，从而能够更准确地推断出用户偏好。

关键词：用户偏好,评分数据,贝叶斯网,隐变量模型,概率推理,带偏置的矩阵分解

基金资助：国家自然科学基金资助项目（61472345，61562090，61462056）；云南省应用基础研究计划项目（2014FA023，2014FA028）；云南省中青年学术和技术带头人才后备人才培育计划项目（2012HB004）；云南大学青年英才培育计划项目（XT412003）；云南大学创新团队培育计划项目（XT412011）。