融合主题模型和协同过滤的多样化移动应用推荐

来源：软件学报杂志2017年第3期北京时间：

作者：黄璐,林川杰,何军,刘红岩,杜小勇

单位：黄璐，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 10087211,林川杰，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 10087202,何军，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 10087203,刘红岩，清华大学 经济管理学院, 北京 10008404,杜小勇，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 10087205

摘要：随着移动应用的急速增长，手机助手等移动应用获取平台也面临着信息过载的问题.面对大量的移动应用，用户很难找到最适合的；而另一方面，长尾应用淹没在资源池中不易被人所知.已有推荐方法多注重推荐准确率，忽视了多样性，推荐结果中多是下载量高的应用，使得推荐系统的数据积累越来越偏向于热门应用，导致长期的推荐效果越来越差.针对这一问题，首先改进了两种推荐方法，提出了将用户的主题模型和应用的主题模型与MF相结合的LDA_MF模型，以及将应用的标签信息和用户行为数据同时加以考虑的LDA_CF算法.为了结合不同算法的优点，在保证推荐准确率的条件下提升推荐结果的多样性，提出了融合LDA_MF，LDA_CF以及经典的基于物品的协同过滤模型的混合推荐算法.使用真实的大数据评测所提推荐算法，结果显示，所提推荐方法能够得到推荐多样性更好且准确率更高的结果.

关键词：主题模型;矩阵分解;推荐系统;推荐多样性;协同过滤

基金资助：国家自然科学基金（71272029，71490724，61472426）；国家高技术研究发展计划（863）（2014AA015204）；北京市自然科学基金（4152026）