基于用户特征聚类联合情境特征的多维度应用推荐系统

摘要

随着移动设备的普及、同时大数据时代数据过载问题的日益严重,如何更准确地根据用户的兴趣及行为向用户推荐其可能感兴趣的应用软件成为亟待解决的问题.现有的推荐系统方法大多面临着推荐内容较为单一乏味等问题,且在推荐时没有将用户所处情境加以考虑,导致推荐效果欠佳.该文提出一种基于用户特征聚类联合情境特征的多维度应用推荐系统.经奇异值分解降维并去噪后的用户特征数据会被层次聚类为多个用户组,之后与用户所处情境信息联合输入至贝叶斯模型,得到应用推荐准确概率的降序推荐列表,从而实现更加准确的应用推荐.该文在分布式框架下实现了所提出的推荐系统,使其运行高效可靠.经验证,经过奇异值分解处理后的数据组内平均差值降低至0.4,聚类后得到的应用推荐召回率提升至73％,较基于用户协同过滤与基于关联规则的方法有5％～16％ 的显著提升,且贝叶斯模型的量化指标均有约10％ 的提升,充分验证了所提出算法及系统的有效性.