武多才,张 谧

(复旦大学 软件学院,上海 201438)

推荐系统能够帮助用户从浩繁的信息快捷地选出他们感兴趣的内容,但是我们面临一个重要问题是用户的兴趣会随着时间发生变化[1,2],此外新用户也会不断到来.根据最新的调研,电商平台的销售量和其推荐服务对用户的响应性呈现显著的正相关关系[3].在这样的背景下,我们提出响应性作为一个在线推荐系统需要满足的重要指标.具体来说,当系统收集到用户少量的最新交互信息之后,一个响应式推荐系统需要满足如下需求:

(1)对老用户的响应性.响应式推荐系统需要及时有效地捕捉到老用户兴趣的变化.以图1中的上半部分为例,对于一个老用户,他之前都是比较喜欢科幻类型的电影.但是最近,该用户的兴趣发生了变化,展现出了对情感类型电影的兴趣.这种变化可能是受朋友影响或者个人经历变化等因素.

图1 两个典型的响应式推荐系统需求场景示意图

(2)对新用户地响应性.响应式推荐系统需要准确地学习新用户兴趣.以图1中下半部分所示为例,该用户为系统中新用户且只有只看了一部战争类型地电影.

接下来,我们将这两点响应性需求统称为学习用户近期的兴趣.根据我们的调研,尽管响应性是推荐系统中一个重要的需求,现有的方法还没有很好地满足该需求.一方面,传统的推荐系统方法采用线下训练线上预测的模式[4,5].这些方法很难满足响应性的需求……