胡必云 李舟军

(北京航空航天大学 软件开发环境国家重点实验室，北京 100191)

王 君

(北京航空航天大学 计算机学院，北京 100191)

巢文涵

(北京航空航天大学 北京市网络技术重点实验室，北京 100191)

评分偏差对于推荐质量的影响

胡必云 李舟军

(北京航空航天大学 软件开发环境国家重点实验室，北京 100191)

王 君

(北京航空航天大学 计算机学院，北京 100191)

巢文涵

(北京航空航天大学 北京市网络技术重点实验室，北京 100191)

从理论上分析了评分偏差对于推荐质量的影响;基于潜在偏好及已知评分对评分偏差进行度量，其中潜在偏好通过心理测量学模型计算得出;通过设定不同的评分偏差水平，对评分偏差的影响进行了实验验证.理论分析及实验验证表明:评分偏差可导致推荐准确度及覆盖度下降;基于高质量的评分数据，协同过滤算法可为用户作出好的推荐.

人工智能;信号过滤与预测;信息检索;评分偏差;数据质量;协同过滤;推荐准确度;覆盖度

个性化推荐是解决信息过载问题的行之有效的方法之一，并已广泛应用于大型的信息服务提供商，它旨在根据用户的历史偏好信息，向用户主动推荐他/她可能感兴趣的项目，如新闻、书籍等.为了提高推荐质量，研究者提出了许多推荐算法，这些算法可分为3类［1］:基于内容的推荐、协同过滤(CF，Collaborative Filtering)及混合的推荐算法.在这些算法中，CF算法得到了广泛的研究与应用.CF算法可进一步分为基于用户、基于项目及基于模型的算法……