基于LBS的个性化推荐算法.pdf

《基于LBS的个性化推荐算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、学术探讨基金项目2014年第1-2期基于LBS的个性化推荐算法杨袁伟麻旺勇沈张果(湖州师范学院信息与工程学院，浙江湖州313000)[摘要]针对传统的协同过滤算法存在用户冷启动、对位置变化不敏感等问题，我们提出了一套较为完善的应用于移动商务的基于LBS（LocationBasedService）的个性化推荐算法。本算法利用了位置感知和经典的协同过滤算法，引入距离变量借鉴多属性决策理论得出较为完善的推荐列表。实验证明本算法具有较强可行性。[关键词]LBS；协同过滤；多属性决策；个性化推荐本算法基于LBS[3

2、]则需要考虑用户当前的即时位置，我1．引言们将距离信息作为一个参数变量，纳入到个性化推荐算法之大多数人的个性化推荐的定义[1]是由Resinck&Varian在中。利用指数衰减方程公式1计算用户u对项目i的偏好程1997年给出的。随着移动互联网的发展，国内外研究个性化度受距离的影响值。其λ中的值是经过反复的正负修正[4]得推荐算法的学者不在少数。Belkin和Croft对Cognitivefilter-到的。ing的概念进行了扩展，提出基于内容的过滤（Content-Based1DistanceDecay

3、ui(,)=l´Distanceui(,)Filtering）。由此形成的基于内容（Content-Based）的推荐算e(1)法能够解决用户冷启动、缓解数据稀疏性等问题，但是其自由此便可以屏蔽不满足用户距离要求的推荐信息，防止身的缺点是提取特征能力受到技术限制，无法推荐配置文件信息过于冗长。由上述描述推导公式2可形成初步的推荐列以外的推荐信息。学术届研究最多的是协同过滤（Collabor-表List1。ativefiltering-based）的个性化推荐算法但是其同样存在着用Interest(u，i)

4、=Pu，i×DistanceDecay(u，i)(2)户冷启动的问题，扩展性和同一性也存在不足。另外还有其2．2优化推荐算法它的如基于规则（Rules-Based）的推荐算法也存在着关联规接下来我们将优化推荐信息并且解决用户冷启动的问则的制定过于死板等问题。因此也有学者为了解决这些问题。本算法引入多属性决策[5]的思想就是将各个项看作n维题，将各种算法结合起来，利用每一种算法的各自优势，弥补空间中的点，进而测试这些点与用户需求的距离。我们根据各自的缺点，形成新的混合式推荐算法。用户的兴趣偏好定义项目的各个

5、属性，大致各分为区间属性本算法在研究了现有算法的基础上将推荐看作一种了和集合属性。并且将属性值标准化到统一的量纲上。经过解用户兴趣偏好，整合用户历史评分信息，并引入了位置因标准化的项目属性值可以构成一个项目属性矩阵，该矩阵包素，帮助用户缩小其选则空间进而利于用户最终做出决策的含一定量的信息，根据Shannon信息熵理论[6]，熵是不确定性过程。本算法研究完成之后将满足如下一些特色要求：本算的指标。我们可以确定项属性的权重，得到加权推荐矩阵。法将对用户兴趣变化敏感，能处理短期兴趣；能处理变化较如下公式3（ω

6、为权重，χ为标着化属性值）：大的项目属性，对位置变化敏感；无用户冷启动问题。本算éω1χ11ω2χ12…ωnχ1nùév11v12…v1nùêúêú法能够很好地满足在移动中使用位置感知服务的用户需求。êêω2χ21ω2χ22…ωnχ2núúêêv21v22…v2núúv==(3)êê…………úúêê…………úú2．基于LBS的个性化推荐系统的算法设计êëω1χm1ω2χm2…ωnχmnúûêëvm1vm2…vmnúû2．1初步推荐信息要确定推荐信息那么首先要确定用户对兴趣偏好的最作为个性化推荐算法我们将能

7、否发掘用户的潜在兴趣大最小可接受范围。因此我们将标准化后各属性取值的最作为算法优越程度的重要指标。所以我们借鉴经典的协同大值组合成理想方案A+，同时将最小值组合成负理想方案过滤算法将所有的用户对所有的项目评分合起来形成一个A－，即[2]矩阵，称为用户—项目评分数据矩阵。通过用户对已知项+=(+++)+Avv1,2,,vn，v表示加权推荐矩阵中属性j的最j目的评分找到与他评分相似的用户群，即最近邻，再利用最大值近邻对未知项目（用户没有评分的项目）的评分算出用户对----A=(vv1,2,,vn)，v-表示加

8、权推荐矩阵中属性j的最未知项目的预测评分Pu,i。整个过程大致分为两步：邻居形成j和推荐形成。小值——————————————作者简介：杨袁伟，男，浙江嘉兴人，本科，研究方向：计算机软件，计算机科学与技术。基金项目：浙江省大学生科技创新活动计划（新苗人才计划），基金编号：2013R425024。-30-基金项目学术探讨2014年第1-2期之所以选用标准化后的最大值和最小值，是因为标准化新用户注册时都需要显示选择兴趣偏好，我们设