黄幸颖,梁 路,滕少华

(广东工业大学 计算机学院,广州 510006)

1 引 言

在推荐系统中,用户对项目的评分通常用二维矩阵来表示,但用户已评分的项目数量有限,且随着用户数和项目数的增加,评分矩阵的规模将变大,这就是稀疏性[1]的问题.在推荐系统中被广泛采用的协同过滤算法是根据用户的历史评分数据进行推荐的,易受到稀疏性的影响,如何降低其影响成为实现协同过滤要考虑的关键问题之一[2].

有鉴于此,国内外学者从降低矩阵稀疏度这一思路出发,采用了多种方法来对空缺值进行预测,例如基于内容的方法,基于聚类的方法等.这些方法有的利用项目或用户的评分信息[3],有的利用用户或项目的文本特征信息[4],对空缺的评分进行预测.优点是简单、直观和易于解释,但存在特征的提取问题.填充时若使用项目的特征,大多情况下都只能选择文本类信息,而对于音频、视频等非文本类的项目,可供使用的文本类特征有限,限制了预测准确度的提升;若使用的是用户特征,用户出于对自身隐私的保护,普遍对显式特征收集表现出抗拒的情绪,而隐式特征收集又会涉及复杂的用户行为分析与建模,所得特征既不易于解释,也难以保证准确性.

本文采用一种基于自编码网络的模型,仅利用现有的评分信息,通过调整网络节点之间的连接状态来缓解稀疏性的影响,实现对评分矩阵空缺值的预测.实验结果表明此方法的预……