3、文章推荐系统与基于推特推文的人格预测

文章推荐系统与基于推特推文的人格预测

文章推荐系统

在文章推荐系统的构建中，数据预处理和模型构建是关键步骤。

数据预处理

由于数据集中没有缺失信息，无需进行数据填充。基于用户对特定文章的操作，创建了一个新的评级列。评级列的创建规则如下表所示：
| 事件类型 | 描述 | 值 |
| — | — | — |
| 查看 | 用户打开了文章 | 1 |
| 点赞 | 用户对文章点赞 | 2 |
| 创建评论 | 用户在文章中创建了评论 | 3 |
| 关注 | 用户选择接收文章新评论的通知 | 4 |
| 收藏 | 用户收藏文章以便日后轻松返回 | 5 |

模型构建

• 贝叶斯个性化排序（BPR） ：个性化排序的任务是为用户提供一个物品的排序列表，也称为物品推荐。通过创建用户特定的成对偏好，构建训练数据 $D_s: U × I × I$，其公式为 $D_s := {(u, i, j)|i \in I^+ u, j \in I\setminus I^+_u }$。计算 BPR 的算法为 $BPR = \sum {(u,i, j)\in D_s} \theta_{uij} |\theta|^2$，然后使用随机梯度下降法优化 $\theta$，公式为 $\theta \leftarrow \theta + \alpha((e^{-x}/(1 + e^{-x})) * \frac{\partial}{\partial\theta} x_{uij} + \lambda\theta \cdot \theta)$。