石宇，查梦娟，梁宇，邱惠

（1.武汉大学信息管理学院，武汉 430072；2.国网鄂州供电公司电力调度控制中心，鄂州 436000）

基于群体兴趣的个性化推荐候选集构建

石宇1，查梦娟1，梁宇2，邱惠2

（1.武汉大学信息管理学院，武汉 430072；2.国网鄂州供电公司电力调度控制中心，鄂州 436000）

对个性化推荐候选集构建方案进行优化，在保证对用户感兴趣项目覆盖率较高的前提下，压缩候选集规模，从而改善个性化推荐效果。采用融合用户群体兴趣与个性化特征的方法构建推荐候选集，先以用户群体兴趣为基础构建初始候选集，在此基础上基于用户个性化特征对其进行过滤，生成推荐候选集。在模型构建的基础上，以电影数据为例进行模型效果验证。实验结果显示，该模型在覆盖率小幅降低的情况下，可将候选集规模压缩为原来的3.4%；该模型能显著提升个性化推荐的最终效果，因此该策略是一种较理想的候选集构建策略。

个性化推荐；群体兴趣；候选集

1 引言

在个性化推荐中，候选集的构建对最终效果具有重要影响，一般来说，如果候选集构建能过滤大量用户不感兴趣的资源，用户对推荐结果的满意度将显著提升[1]。在当前研究与实践中个性化推荐候选集构建方式主要包括四种：第一，基于项目相似度的推荐候选集构建，即在计算系统待推荐项目与用户感兴趣项目的相似度基础上，将相似度最高的N条结果或高于某个阈值的结果作为候选集[2-4]；第二，基于项目与用户兴趣模型相似度的候选集构建，即先通过向量空间或关键词列表的形式获得用户兴趣描述，在此基础上计算待推荐项目与用户兴趣的相似度，并将相似度最高的N条结果或高于某个阈值的结果作为候选集[5-7]；……