面向推荐多样性改进的概率传播模型

摘要：

针对基于二部图的概率传播( ProbS)模型以优化推荐列表的精确度为目标，而忽略了推荐多样性的问题，提出了改进的概率传播( iProbS)模型。 iProbS将项目得分预测过程分解为资源的3步传播过程，每步传播包含传播概率和传播损耗。设计传播概率时，考虑的因素是用户评分；设计传播损耗时，则分别考虑了项目的度、用户熵和邻居项目。通过在2个常用数据集MovieLens和Netflix上的大量不同实验，证明了iProbS算法在推荐准确率、推荐整体多样性、推荐个体多样性以及销售平衡4个方面均比ProbS模型性能更好。最后按不同的推荐步骤分析了iProbS算法的计算复杂度。

关键词：推荐系统、多样性、概率传播、二部图

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61540053,61562014;广西可信软件重点实验室资助项目kxrj201503

在线出版日期：2016-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：34-38