基于自编码器与属性信息的混合推荐模型

陈子健，李俊，岳兆娟，赵泽方

1.中国科学院计算机网络信息中心，北京 100190

2.中国科学院大学，北京 100049

引 言

随着互联网的普及与发展，各类数据信息在网络空间内呈爆炸式的增长，如何让用户在海量的信息中寻找到自己感兴趣的信息成为了一个亟待解决的问题。为了解决这一问题，推荐系统应运而生，它通过用户的交互历史为用户提供个性化的信息推荐，满足用户对信息的需要。近年来，推荐系统在电影、音乐、新闻、电商、短视频等领域都发挥着巨大的作用，在为用户带来便利的同时也具有相当大的商业价值。

传统的推荐方法可以分为三大类：基于内容的推荐、协同过滤推荐以及混合推荐。基于内容的推荐是最简单有效的推荐算法，基本思想是从项目内容相似性方面进行推荐，为用户推荐与其交互过的项目内容相似的项目。基于协同过滤的推荐算法利用群体智慧的思想，推荐结果更具新颖性。混合推荐算法则是将多种不同的推荐算法融合起来，发挥各自的优势。

目前使用最为广泛的推荐模型当属协同过滤推荐模型。具体可分为基于邻域的协同过滤与基于模型的协同过滤。其中基于邻域的协同过滤根据用户与项目的交互历史信息，如评分矩阵，通过相似度的计算，计算出用户之间的相似度或项目之间的相似度，从而进行基于用户或基于项目的推荐。基于模型的协同过滤则是通过构建偏好模型，提取用户和项目的隐式空间表示，预测用户对项目的潜在偏好从而进行推荐。……