13、基于负反馈感知与评分整合的个性化推荐算法解析

基于负反馈感知与评分整合的个性化推荐算法解析

1. 引言

在个性化推荐领域，推荐算法的准确性至关重要。传统的协同过滤方法存在一定局限性，而基于二分网络投影的推荐算法有其独特优势，但也存在不足。本文提出了一种负反馈感知与评分整合的推荐算法，旨在提升推荐的准确性。

2. 预备知识

• 二分网络模型 ：基于二分网络投影的推荐算法依赖于由用户节点（U）和项目节点（V）组成的二分网络。用户 $u_i$ 对项目 $v_j$ 有评分 $r(u_i, v_j)$，所有用户 $u_i$ 的评分构成集合 $R(u_i)$，所有项目 $v_j$ 的评分构成集合 $R(v_j)$。
• 资源分配过程 ：
  1. 初始资源分配：每个被评分的项目被分配一定量的资源。
  2. 资源流动：资源先从项目节点流向用户节点，再从用户节点流回项目节点。
  3. 推荐生成：最终资源分配最多的前 $n$ 个未评分项目将被推荐给用户。
• 用户偏好判断 ：当前算法通过预定义评分范围的中位数作为阈值来判断用户偏好。例如，预定义评分范围为 $[1, 5]$ 时，阈值为 3，评分高于 3 表示用户喜欢该项目，否则视为未评分。

以下是基线算法资源分配流程的 mermaid 流程图：

graph LR
    classDef startend fill:#F5E