基于隐变量模型的多维用户偏好建模

摘要：

从用户行为数据构建用户偏好模型,是解决个性化服务、评分预测和用户行为定向等问题的重要基础.本文从用户的评分数据出发,以多个隐变量分别描述用户在评分对象多个维度的偏好,以含有多个隐变量的贝叶斯网(简称隐变量模型)作为表示用户偏好的基本知识框架.首先根据用户偏好和隐变量的特定含义给出模型构建的约束条件,进而提出基于约束条件的模型构建方法,使用约束条件下的EM算法来计算模型参数,约束条件下的SEM算法来构建模型结构.针对多隐变量情形下模型构建过程中产生大量中间数据带来的计算复杂度急剧上升的问题,本文使用Spark计算框架实现模型构建的方法.建立在Movielens数据集上的实验表明,本文提出的方法是有效的.

关键词：评分数据、多维偏好、隐变量、贝叶斯网、Spark

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金61472345,61562090;教育部“云数融合、科教创新”基金2017B00016;第二批“云岭学者”培养项目C6153001;云南省应用基础研究计划重点项目2014FA023;云南大学青年英才培育计划WX173602;中国博士后科研基金2016M592721

在线出版日期：2017-12-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共16页

页码：138-153