张 维,黄 勃,2,张 娟,高永彬,刘 瑾,王忠震

(1.上海工程技术大学 电子电气工程学院,上海 201620;2.江西省经济犯罪侦查与防控技术协同创新中心,江西 南昌 330000)

信息化技术的快速发展沉淀了海量的数据,加快了信息过滤技术的发展。推荐算法是信息过滤技术之一,它能够自动过滤与目标用户无关或用户不感兴趣的数据。基于模型的推荐、基于协同过滤的推荐和基于内容的推荐是主要的推荐算法[1]。其中,协同过滤算法应用最为广泛[2],但传统协同过滤算法也存在着许多挑战,例如用户和项目的冷启动挑战、数据稀疏的挑战和算法可扩展的挑战。同时,以往的研究发现,长久推荐用户感兴趣的内容,会使用户处在自己的信息茧房[3]之中。大量用户处于一种被自己兴趣所包围的环境,其认知、兴趣趋于窄化,形成一种认知屏障,失去认知和发现新事物的机会。为了能够一定程度的缓解信息茧房对用户所带来的负面影响,文献[4]提出了个性化算法优化、平台优化、改进信息供给侧的理论方法。文献[5]提出破除信息茧房所带来的“个人回音室”、“群体极化”等影响个人和社会的负面效应,需要从“个性化推荐”转变为“人性化推荐”。目前,在推荐算法的研究中,很少考虑信息茧房负效应对用户影响,特别是少数类用户。少数类用户是近邻用户数量很少的一类用户,当对这类用户进行推荐时,如果不采取措施对用户数量进行平衡,将会使其兴趣窄化,陷入信息茧房之中。……