（空军预警学院 武汉 430019）

1 引言

战场态势具有数据海量、特征复杂、种类繁多等特点，导致作战用户在使用态势信息系统时存在着这样的问题:战场态势数量呈爆炸式增长，由于作战人员认知能力的局限性，无法在任何情况下都能够及时地明确自己的态势需求，自然也难以从海量的战场态势挑选出合适的态势产品提供给用户。因此智能推送运用而生，通过核心技术—推荐算法来帮助作战用户获取到自己感兴趣的态势，解决“态势泛滥”和“态势缺乏”的矛盾问题［1］。

显式反馈推荐算法一般采用评分预测的方式进行推荐。在实际运用过程中，评分数据往往是非常稀疏的，即只有用户只对很小一部分的项目进行评分，此时用户偏好难以准确表达，而隐式反馈推荐能够充分利用到用户的隐式反馈行为，如用户检索、定制、浏览等行为，而这些数据往往是大量存在的，并且随着用户与推荐系统的交互越多，推荐效果越佳。针对隐式反馈推荐算法，国内外学者展开了广泛的研究。隐式反馈推荐算法可以分为三类:基于单类协同过滤的推荐、引入辅助信息的推荐和基于排序的推荐［2］。基于单类协同过滤的推荐是基于正反馈数据和通过分布假设负反馈数据来实现推荐［3］；引入辅助信息的推荐主要是将用户或项目特征信息引入到传统推荐算法［4］；基于排序的推荐是将任意两个项目的偏好顺序进行优化，从而将推荐问题转化成二分类问题［5］。……