个性化推荐系统评测指标与实验方法研究

吴海霞，何 苑，路 璐

（长治学院计算机系，山西长治046011）

（编辑 张 瑛）

1 个性化推荐系统简介

信息技术和互联网技术使我们从信息匮乏的时代发展到信息过载的时代，信息消费者从海量信息中搜索感兴趣的有价值的信息变得十分困难，信息生产者的信息从大量信息库中脱颖而出得到目标用户的关注也非常困难［1］.

信息检索、数据挖掘和推荐系统三种技术都可以在一定程度上解决这一矛盾，但三者之间存在着明显不同，表1列出它们的主要区别.传统的搜索引擎技术只在Web海洋的表层页面检索，呈现给所有用户的结果排序及页面没有差别，未针对不同用户兴趣提供相应个性化服务，信息的利用率较低；Web数据挖掘能够自动获取大量的更具价值的深层页面，利用相关规则发现隐藏的规律和模型；个性化推荐系统已成为一种营销模式和手段，给电子商务领域带来巨大的商业利益，不仅能够挖掘出用户感兴趣的部分“暗信息”，还能提高潜在客户的转化率，并有效保持用户的黏着性.

表1 信息检索、数据挖掘、个性化推荐之间的区别

个性化推荐是基于社会计算和集体智慧［2］的一种新的计算模式，PageRank算法［3］、Netflix竞赛、MovieLens［3~4］、Google推荐系统等都是成功的应用.推荐技术是解决信息过载问题，实现信息生产者和信息消费者双方共赢的重要工具.一个完整的推荐系统由三部分组成：收集用户信息的行为记录模块、分析用户喜好的模型分析模块、产生个性化……