王兆国++谢峰++关毅 薛一波

术学院， 哈尔滨 150001； 2 清华大学 信息科学与技术国家实验室， 北京 100084）

摘要： 关键词： 中图分类号： 文献标志码： A文章编号： 2095-2163（2017）04-0001-05（1 School of Computer Science and Technology， Harbin Institute of Technology， Harbin 150006， China；

2 National Lab for Information Sci. & Tech， Tsinghua University， Beijing 100084， China）

Abstract： With the development of social media， Internet is not only people's tool to get information， but also a channel to share information. Usergenerated contents make people face overload information. So that a lot of really valuable information is difficult to be found. On the strength of lower user involvement， the personalized recommendation system has been considered as one of the most potential methods to solve information overload at present. However， currently the most mature and widely used collaborative filtering recommendation method is facing such problems as data sparseness， diversity and so on. Its recommended effect is not ideal. A recommendation method based on linear regression is proposed in this paper. A linear regression model is established by using the rating frequency information of the users or items to predict the uses' scores on nonscored items. The method has the advantages of low complexity， incremental updating， and high accuracy and so on.

Keywords：

基金項目：

作者简介：

收稿日期： 0引言

近年来，社交网络的普及和发展，改变了人们被动获取信息的方式，用户产生内容呈爆炸式增长。对于普通用户来说，面对海量的信息难以找到自己真正感兴趣的部分，这就是信息过载问题＼[1＼]。门户网站按照信息的属性分门别类以帮助用户快速索引，搜索引擎通过分析用户输入的查询返回最相关的内容。尽管两者在很大程度上提高了用户获取信息的效率，但都需要用户过多的参与，不能自动感知用户的兴趣，况且很多时候用户根本不知道自己想要什么，或者不能有效运用关键词描述自己的兴趣。此外，分类和搜索技术返回的结果严重缺乏个性，用户体验不佳。推荐系统＼[2＼]通过分析用户的历史行为，为每一个用户建立个性化的兴趣模型，主动向用户推送可能感兴趣的内容，这被认为是解决信息过载最具潜力的设计研发方式。

目前居于应用流行首位的个性化推荐系统所采用的推荐方法是协同过滤＼[3＼]，维基百科给协同过滤方法的定义是：“利用某兴趣相投、拥有共同经验之群体的喜好来推荐使用者感兴趣的资讯”。协同过滤方法主要分为2类＼[3＼]：基于启发式的方法＼[4-9＼]和基于模型的方法＼[10-16＼]。其中，基于启发式的方法利用用户对物品的隐性或显性行为得到用户物品评分矩阵，然后计算用户或物品间的相似度，最后根据邻居用户或物品的评分及相似度给出评分预测和结果推荐。……