和凤珍，石进平

1.云南大学旅游文化学院 信息学院，云南 丽江 674100

2.云南省农村信用社 科技结算中心，昆明 650228

1 引言

作为一种从大量冗余信息中挖掘用户感兴趣的内容并推送给用户的有效手段，推荐系统（recommender system）已经成功应用到移动APP应用[1]、学术文献[2]、电子商务[3]、音乐[4]、电影[5-7]、Web社区发现[8]、信息检索[9-10]等广泛领域中。已有的推荐算法侧重提高推荐结果的相关性和准确度，如文献[4,6-7]，但是缺乏多样性（diversity）。文献[11]研究表明：具有多样性的推荐结果有助于提高用户的整体满意度。由此可见，相关性不是衡量推荐质量的唯一标准，多样性对于提升推荐服务质量也具有重要作用。在实际推荐系统应用环境中，由于用户的偏好很难被准确描述和获取，往往具有不确定性、模糊性以及多义性。因此，如何基于已有的用户偏好信息，向用户推荐与其兴趣相关同时又具有非冗余、多样化的推荐结果，这成为当前推荐系统研究面临的主要挑战[12]。

针对多样性推荐问题，已有一些相关研究成果[4,10,13]。利用这些方法获得的推荐结果不能在多样性与相关性之间取得较好的折中。这是因为它们受到均匀拟阵约束（uniform matroid constraints），即假设推荐项目集中的各个推荐项对于所有用户具有相同的重要性，如文献[4,10]。文献[13]考虑到每个推荐项具有不同的重要性，但尚未考虑用户的偏好，会导致推荐结果中相同类别中的推荐项具有较高的冗余度。受此启发，本文提出了一种非均匀划分拟阵约束下的基于用户偏好的多样性推荐模型（preferencebased diversified recommendation model，PDM）。……