面向多属性推荐系统的对抗深度分解模型

李宗阳，吉 源，沈志宏

(1.中国科学院 计算机网络信息中心，北京 100190;2.悉尼大学，悉尼 NSW2000)

0 引 言

推荐系统在各种在线电子商务网站和旅游门户网站中备受重视。传统的推荐系统通常对二维用户-项目评分数据进行操作，试图预测用户对特定项目(如产品)的偏好或评分。

近年来，除了用户项目评分外，各大网站平台还收集了各种有价值的信息。特别是，不同结构的信息，如购买意图、时间、地点、同伴和活动内容，都可被用来提高推荐性能[1-9]。在线网站中的非结构化文本评论通常包含用户对产品或服务的意见、态度和偏好，并在各种个性化推荐中与用户-项目评分数据一起被利用[10-14]。

相比之下，在这项工作中，除了考虑用户对项目的总体评分数据外，还考虑了多个属性的用户对项目的评分来解决推荐问题。在许多的电子商务网站上，除了总体评分外，在线用户通常还可以根据产品或服务的多个给定属性或方面对其满意度进行评分。

基于多个用户在各种不同属性上的项目评分以提供建议的系统，通常被称为多属性推荐系统(multi-criteria recommender system，M-CRS)。在过去的几年里，研究者们在处理多属性推荐系统方面做出了很大的努力。现有的方法大致可以分为三类，分别是基于启发式邻域的方法、基于聚合的方法和基于模型的方法。基于邻域的启发式方法首先通过使用各种多属性相似性度量并基于用户邻域的已知评分来预测用户的未知评分，从而为目标用户找到一个邻域列表[15-19]。……