动态推荐系统关键技术研究(一)

本文是项亮老师的博士论文总结 原文链接

 

第一章 引言

1.1 背景与意义

用户从大量信息中找到自己感兴趣的信息是一件很困难的事情,生产商如何让自己生成的信息脱颖而出,受到用户欢迎也是一件困难的事情,因此,为了解决这一矛盾开发了推荐系统. 推荐系统的任务就是联系用户和信息,一方面帮助用户发现对自己有价值的信息,另一方面让信息能够展现在对它有兴趣的用户面前,从而实现信息消费者和信息生产者的双赢.

搜索引擎的弊端

搜索引擎需要用户主动提供关键词来寻找信息,因此不能解决用户的很多其他需求,比如用户无法准确找到描述自己需求的关键词时,搜索引擎就无能为力了,和搜索引擎一样,推荐系统是一种帮助用户发现有效信息的工具,不同点在于,推荐系统不需要用户提供明确的需求,而是通过分析用户的历史行为来给用户的兴趣建模从而主动给用户推荐出能够满足他们兴趣和需求的信息.因此,从某种意义上来说,推荐系统和搜索引擎对用户来说是两个互补的工具,搜索引擎满足了用户有明确目的时的主动查找需求,而推荐系统能够在用户没有明确目的的时候帮助他们发现让他们感兴趣的新内容.

社会学领域有一个著名的马太效应问题,信息科学领域也有同样的问题,马太效应指的是好的越好,坏的越坏,多的越多,少的越少的现象.比如电子商务网站有一个热门商品列表,只有最热门的商品可以进入列表,如果用户依赖这个列表寻找商品,那么进入到这个列表中的商品会越来越热门,进入不了热门商品列表的商品会越来越不热门,从而更不容易进入这个列表.搜索引擎也具有马太效应这个问题,热门搜索排名靠前的网站会越来越热门,获得越来越多的外链,PageRank算法中排名也越来越高,更容易获得更高的排名.推荐系统也面临马太效应的挑战,但是因为是一个主动给用户展现信息的系统,因此能更高的控制每个商品的展示次数,让信息长尾中的商品能够在需要他们的用户面前得到充分展示

任务

推荐系统的主要任务,是找到用户可能感兴趣的物品,然后以一定的形式推送给用户,因此推荐系统的两个主要问题就是

1) 如何找到用户感兴趣的东西

2)以什么形式告诉客户

前一个问题主要解决于数据挖掘和机器学习算法,而后一个问题的解决主要依赖于人机交互界面的设计,本文主要研究前一个问题 .

时间信息的作用

任何在线系统都是一个动态变化的系统,每天都会有大量的新用户加入,老用户离开,也会有大量的新内容加入,旧内容消失.物品的热门程度,人们对物品的看法也会随着时间而变化,因此,时间信息对推荐系统来说是一种重要的信息,最近几年,很多研究者发现利用时间信息可以大大的提高推荐系统的预测精度,更加促进了这方面的研究.

推荐系统的动态特征

1.用户兴趣是变化的.原因有很多,可能是由于年龄增长,比如一个小孩子喜欢看动画片,长大了可能不喜欢看动画片了,也有可能是转换生活状态,刚工作的大学生对上学时会发生很大变化,还可能受到周围事件的影响,比如一个不看体育节目的人可能会在背景奥运会期间关注体育赛事

 

2.物品也是有生命周期的.例如一部电影刚上映的时候可能被很多人关注,但是经久不衰的电影很少,不就就会被遗忘.此外物品也可能受到新闻事件的影响重新热门

 

3.季节效应,用户行为和物品都受到季节效应的影响,夏天吃冰淇淋,冬天吃火锅,节日也会对用户行为产生影响,比如每年的圣诞节,人们去购物,奥