基于项目语义的协同过滤冷启动推荐算法研究

徐 俊，张 政，杜宣萱，肖 刚

(浙江工业大学 计算机科学与技术学院，浙江 杭州 310023)

1 引 言

互联网和大数据技术的快速发展导致信息爆炸式增长，为用户获取信息提供了便利，但同时用户面对如此纷繁复杂的数据难以快速、准确地获取自己想要的数据.推荐技术就是依据用户的个性化偏好在海量数据中选择符合用户需求的信息、产品及服务提供给用户，目前已经广泛应用在电子商务、社交网络等领域[1].

基于协同过滤的方法是应用最广的推荐技术，其中基于模型的方法和基于内存的方法是传统协同过滤方法的两大类别[2].特别是基于模型的方法因为有较高的推荐精度和良好的可扩展性，所以受到学术界和工业界的广泛关注[3].然而，在大数据环境下，随着评分矩阵规模的不断扩增，未评分记录越来越多，新用户和新项目的不断加入，这两种协同过滤推荐算法都面临着严重的数据稀疏性和冷启动挑战[4].研究人员一般采用结合辅助信息，例如用户人口统计学数据[5-8]、社会网络数据[9-12]和语境感知[13-15]等多方面数据，来解决数据稀疏性和冷启动问题.这些多源数据一般为高维稀疏性数据，数据真实性和可靠性不高、噪声大且涉及隐私较难获取或并不真实存在.

项目语义是指项目本身的描述信息包含的语义，例如电影的剧情简介、产品的功能描述等，根据这些自然语言的描述文本提取语义向量表示项目语义.由于项目语义具有更……