基于用户偏好和项目偏差的创新型科研项目推荐技术研究

贠涛

(中国科学技术交流中心，北京 100045)

0 引言

各种网络平台的创新型项目推荐功能能够使用户快速获取有价值的信息，因此对此类技术开展研究十分必要。协同过滤算法在创新型项目推荐技术中的应用非常普遍，但由于没有充分考虑用户的个性化需求以及推荐项目间类似元素存在相互干扰的问题，该算法的准确性受到了严重的限制。本文提出了一种基于用户偏好和项目偏差的协同过滤算法(IUCF算法)用于创新型项目推荐，首先进行用户和项目的聚类再分别计算评分，最后基于二者融合后的预测评分结果实现项目推荐。

1 概论

1.1 用户评分协同过滤算法

该算法的计算流程为：基于用户—项目评分矩阵获取不同用户的相似度；利用相似度进行相邻用户匹配；通过相邻用户进行预测评分。选取皮尔森相关系数进行用户的相似度计算[1]，如式(1)。

(1)

1.2 LDA主题模型

LDA(latent Dirichlet allocation，潜在Dirichlet分布)模型通过Dirichlet概率分布对文本文件的潜在概率进行设定，再通过抽样算法分别对文本—主题以及主题—词组的潜在分布进行预估。基于Gibbs采样的抽样算法[2]为式(2)。

(2)

1.3 算法分析

在对创新型项目进行评分预测时，项目间类型较为相近的元素会互相产生干扰进而造成项目偏差，同理，用户通常是在整个用户集中选择近邻，没有考虑用户本质的差异，因而无法明确表达用户对于项目的个性化需求，此外，用户的偏好对用户给出的项目评分存在实际的影响，所以必须以充分挖掘用户偏好和项目偏差为基础对创新型项目进行评分。……