冯晨娇 宋 鹏 王智强 梁吉业

1(计算智能与中文信息处理教育部重点实验室(山西大学) 太原 030006) 2(山西财经大学应用数学学院 太原 030006) 3(山西大学经济与管理学院 太原 030006)

互联网时代，伴随电子商务的迅猛发展，推荐系统日益受到广泛的关注.一方面，推荐系统能够给用户提供其可能感兴趣的商品、服务等各类信息，进而有效提升用户的信息获取效率.另一方面，推荐系统可以帮助商家有效分析用户偏好，从而增加商品销售数量和销售种类.自1992年邮件过滤系统Tapestry问世以来，推荐系统已渗透于各个领域，包括:娱乐性的电影、音乐、游戏等；内容性的个性化新闻、文档推荐、网页推荐等；电子商务性的书籍推荐、商品推荐等；服务性的旅游推荐、房屋租赁推荐等；社交性的朋友推荐等.随着这些应用系统的有效推广，推荐方法的研究受到了学术界与工业界的广泛关注.

推荐方法中，用户评分是数据建模的重要基础.然而，在现实的推荐场景中，用户给予项目的评分或者选择项目的频次是一个典型的长尾现象，符合帕累托定律.推荐系统中，所谓长尾是指长尾项，俗称冷门项目，最早由Anderson[1]提出.其区别于冷启动问题，冷启动问题是指针对新用户或新项目的推荐，而长尾项或者说冷门项目是指只有少数人给予评分的项目.

在电子商务等应用场景中，长尾项有其独特的价值，并日益受到重视.文献[2]指出对长尾项的推荐是推荐系统有效性的重要评测指标.一方面，长尾项往往是用户独有的兴趣，对长尾项的抓取是提升个性化推荐精度的关键所在；……