沈 鹏，李 涛

(南京邮电大学 通信与信息工程学院，江苏 南京 210003)

0 引 言

推荐系统是向用户推荐或建议适当的事物的机器软件。推荐系统主要由三个重要阶段组成，分别是目标数据收集，相似性判定和预测计算[1]。另外，市场上的推荐系统[2]主要基于三大方法[3]。基于内容[4]的方法充分利用物品的甚至是用户的内容(属性)。而文中方法使用了题材和标签。因此，使用这种方法可以发现一部电影的内容与用户喜欢的其他电影的内容之间的相似性[5]。为了预测目标用户的偏好，协同过滤也考虑了目标用户的近邻，用来发现邻居和目标用户之间的相似性，以便选择最相似的邻居并且将他们的评分和偏好推荐给目标用户[6]。因此，用户的偏好推荐将取决于在活跃用户的邻居中存在的其他用户。此外，协同过滤的领域依赖特性可能使其易受稀疏性和冷启动的影响。这种类型的推荐系统可以分为基于记忆的，基于模型的[7]以及两者的混合[8]。由于协同过滤在很大程度上取决于用户的评分，因此，如果域中的用户数量与事物相对比较低，则可能导致冷启动[9]。文中提出的混合方法是基于内容属性和协同过滤算法的[10]。在后面的章节中，将讨论混合协同过滤算法如何优于纯协同过滤算法[11]和基于内容属性的算法[12]。

1 相关工作

梅尔维尔等提出过一种内容提升的混合协同过滤算法，将内容和协同过滤算法结合起来提供推荐。用户-事物评分矩阵的稀疏度为97.4%，伪评级矩阵是使用了借鉴用户画像的基于内容的过滤算法计算出来的。……