面向推薦系統的多目標決策優化算法

如今,海量的數據信息因其復雜的特性極大增加了獲取真正有價值的信息難度。為了解決信息過載問題,推薦系統應運而生。隨著應用需求日益復雜多樣,多目標決策技術在推薦系統中的作用越來越大。多目標決策方法不僅能夠基于多個相互矛盾乃至沖突的度量指標進行方案評估,而且還可以很好反映決策者對評價指標的主觀偏好。多目標決策方法在數據挖掘、復雜查詢、推薦系統、基于位置的服務等領域具有很大的價值。作為多目標決策的一個重要技術,Skyline查詢最早由文獻[1]提出,是從多種維度屬性的元組集合中返回最具有優勢的元組。例如,在就餐時間,推薦系統利用Skyline查詢方法可向游客智能推薦距離盡可能近,價格盡可能低廉,環境盡可能好,質量盡可能高,更貼切用戶口味的餐館進行就餐。利用Skyline查詢技術可為用戶推薦出與用戶當前位置和搜索關鍵詞相關的興趣點(point of interest,POI),且每個興趣點都具有文本描述信息及位置坐標屬性。

近些年,國內外對Skyline查詢技術進行了一些重要研究。文獻[2]基于位圖方法將每個數據點編碼在位圖中,提出了一種基于位運算的改進方法。文獻[3]提出空間Skyline查詢的概念和方法,利用R-樹和Voronoi圖的特性進行剪枝,根據靜態點提出了兩個算法。文獻[4]提出了針對大數據的動態Skyline查詢方法,有效地解決了海量數據上動態查詢的問題。文獻[5]給出了度量空間中TOP-

反向Skyline查詢算法。為了解決Skyline查詢隱私保護的問題,文獻[6]將索引和公鑰加密技術相結合,實現了高效的數據隱私保護。……