基于社團主題的領域相關推薦算法＊

丁艷會， 郝俊壽， 李春明

（1.內蒙古工業大學 信息工程學院，內蒙古 呼和浩特010051；2.內蒙古電子信息職業技術學院 數字媒體與藝術系，內蒙古 呼和浩特010070；3.內蒙古電子信息職業技術學院 教務處，內蒙古 呼和浩特010070；4.內蒙古工業大學 信息工程學院，內蒙古 呼和浩特010051）

隨著電子商務的日益發展，大量的商品信息充斥著整個互聯網.推薦系統通過分析，過濾用戶不感興趣的商品，并選出用戶可能喜歡的商品推薦給用戶.通過對用戶進行個性化的商品推薦，一些著名的電子商務網站，如Amazon和Netflix，在擴大商品市場和收益上都取得了巨大的成功.

然而，現有的客戶評論網站往往都沒有用戶的興趣主題信息.最直接的解決方法是計算用戶關于該領域的購買次數或鼠標點擊次數，但是卻忽略了那些只有社會關系而沒有交互行為的用戶.本文通過為用戶社團挖掘出可解釋的主題，提出了一種面向領域的推薦算法.首先將用戶聚類成不同的社團，然后與預先定義的領域相匹配，最后應用同一領域的用戶協同信息進行推薦.

基于模型的協同過濾方法通過機器學習或統計技術對已有的用戶進行建模，然后按照該模型對未知的用戶行為進行預測［1］.常用的用戶建模的方法有潛在因子模型［2］、圖模型［3］、聚類模型［4］以及貝葉斯模型［5］等.潛在因子模型最重要的方法之一是低秩矩陣分解.低秩矩陣分解［6］僅僅應用部分用戶的偏好信息來估計所有用戶的特征，并……