基于偏好融合的群组推荐研究

来源：南京信息工程大学学报·自然科学版杂志2019年第5期北京时间：

作者：汪祥舜

单位：汪祥舜,安徽师范大学 计算机与信息学院, 芜湖, 241002;网络与信息安全安徽省重点实验室(安徽师范大学), 芜湖, 241002,郑孝遥,安徽师范大学 计算机与信息学院, 芜湖, 241002;网络与信息安全安徽省重点实验室(安徽师范大学), 芜湖, 241002,zxiaoyao_2000@163.com朱德义,安徽师范大学 计算机与信息学院, 芜湖, 241002;网络与信息安全安徽省重点实验室(安徽师范大学), 芜湖, 241002,章玥,华东师范大学 上海市高可信计算重点实验室, 上海, 200062,孙丽萍,安徽师范大学 计算机与信息学院, 芜湖, 241002;网络与信息安全安徽省重点实验室(安徽师范大学), 芜湖, 241002

摘要：传统的推荐系统主要针对单个用户，但随着社会和电子商务的快速发展，人们越来越多地以多个用户的形式一起参与活动，而群组推荐旨在为多个用户组成的群组提供服务，已成为当前研究的热点之一.针对目前群组推荐准确率低，群组成员之间偏好冲突难以融合的问题，本文提出了一种新的共识模型策略，融合了群组领袖影响因子和项目热度影响因子，基于K近邻为目标群组寻找邻居群组，借鉴邻居群组的偏好，设计了基于偏好融合的群组推荐算法.在MovieLens数据集上的实验结果表明，本文所提的融合策略较传统的偏好融合策略有着更优越的表现，推荐准确率（nDCG）的总体平均性能约提高13%，推荐列表多样性指标的总体平均性能约提高10%.

关键词：群组推荐;推荐系统;偏好融合;协同过滤;数据挖掘;偏好预测

基金资助：国家自然科学基金（61772034，61602009）；安徽省自然科学基金（1808085MF172，1908085MF190）；高校优秀青年人才支持计划重点项目（gxyqZD2019010）；国家重点研发计划重点专项（2018YFB2101301）；上海市高可信计算重点实验室开放课题（07dz22304201607）