吴彦文，宁 彬，李 斌

(华中师范大学 物理科学与技术学院,武汉 430079)

1 引 言

绝大多数推荐系统都是为个人推荐而设计的，通过挖掘个人的兴趣爱好可以向个人推荐电影，音乐，书刊等.在某些情况下针对一个群体也可以使用推荐技术，例如一群朋友聚会计划去餐厅吃饭，可以为群体提供可供参考的餐厅或者餐品信息.传统的组推荐采取群组成员偏好融合的方式，其基本思想是提出融合模型，在用户偏好提取阶段对用户的偏好进行模型融合，但是这种方式不适合群组成员差异度较大的情况.群组差异度较大时，采取去除差异而强行融合成一种偏好，这样会大大降低推荐的准确度.此外，现有的组推荐技术在研究为群组成员提供更为准确的推荐时，忽略了对推荐结果的解释，降低了推荐的透明度以及用户对推荐的满意度[1].为了解决上述问题，本文提出一种弥补群组成员差异的可解释性组推荐方法，将群组划分为相似性群组和差异性群组，对于不同的群组采取不同的推荐方法，并开展数据实验对提出算法的可行性进行验证.

2 相关工作

当前，关于群组推荐的研究主要集中在相似群组的推荐，基于偏好融合的群组推荐，基于群组成员决策的群体推荐等[2，3].

相似群组的推荐是最早的组推荐研究之一.例如王海艳等为了找到具有较高用户相似性的群组，在进行用户关系融合时，将用户的关注信息、兴趣信息、标签信息等多……