基于用户公平性感知的群组推荐算法研究与应用.pdf

摘要

摘要

为了应对信息过载，推荐系统作为一种解决方案受到广泛研究。然而，随着

推荐系统的不断发展，个性化推荐已然无法满足多用户群体的需求，因此随着群

组推荐的出现，它已经成为推荐领域的研究焦点。当前，大部分群组推荐系统研

究都专注于减少成员之间的偏好差异，以提高推荐的准确性，却忽略了考虑用户

和项目侧的公平性对群组推荐性能带来的不利影响。本文旨在减少用户分歧度和

项目流行度以提升群组推荐的公平性，尽可能满足组内所有用户的偏好需求。根

据上述目标，本文以公平性为切入点进行研究，具体工作如下：

（1）当前群组推荐系统仅兼顾组内大多数用户，但忽视了部分成员偏好与群

组偏好存在较大分歧，随着时间的推移，组内用户矛盾日益凸显，导致了用户公

平性问题。为了提升用户的公平性，本文在此问题基础上提出了基于用户分歧度

的公平性群组推荐算法，该算法利用最小用户集算法得到覆盖所有组内用户项目

的集合，对其子集计算用户分歧度和群组分歧度，将偏好分歧最大的用户组的项

目置换子集末尾的项目，在所有子集中找到群组分歧度最小的子集，并生成群组

推荐列表。研究结果显示，该算法在推荐准确度、推荐列表多样性和覆盖率等方

面相较于其他基线算法分别提高了4.5%、5%和8.7%。

（2）当前群组推荐系统存在反馈循环问题，这导致项目流行度偏见进一步扩

大，使得用户更加倾向于接触热门内容而忽略长尾的多样性。为了提高项目的公

平性，本文在此问题的基础上提出基于项目流行度偏差的公平性群组推荐算法，

该算法通过计算项目的新颖度和流行度来确定项目的权重。同时考虑了用户行为

权重、项目的热度因子以及时间衰减函数来重新评定项目的得分，生成群组推荐

列表。研究结果显示，该算法在推荐满意度和推荐准确率等评估指标上取得了良

好的表现。本文算法在确保推荐准确度的同时，有效地消除了因流行度偏见而导

致的项目不公平问题。

（3）为解决群组推荐中的公平性应用问题，本文遵循软件工程设计原则，设

计了以电影推荐为主题的原型系统，为了进一步验证本文算法的有效性，对其原

型系统进行了开发实施。通过系统的显示结果验证了本文算法小幅度提升了群组

推荐的公平性并使其具备一定的经济价值。

关键词：群组推荐；分歧度；反馈循环；多样性

I

西北师范大学硕士学位论文

目录

第1章绪论1

1.1研究背景和意义1

1.2国内外研究现状2

1.2.1个性化推荐算法2

1.2.2群组推荐算法3

1.2.3群组推荐公平性4

1.3论文研究的主要内容5

1.4论文的基本框架6

第2章相关背景知识8

2.1随机化贪心算法8

2.2矩阵分解算法9

2.3个性化推荐算法11

2.3.1基于协同过滤的推荐算法11

2.3.2基于内容的推荐算法15

2.3.3混合推荐16

2.4群组推荐16

2.4.1群组发现16

2.4.2群组偏好建模17

2.4.3群组推荐19

2.5本章小结19

第3章基于用户分歧度的公平性群组推荐算法20

3.1引言20

3.2基于用户分歧度的公平性群组推荐算法21

3.2.1划分项目集21

3.2.2构建群组模型24

3.2.3群组推荐26

3.3实验及结果分析27

3.3.1实验数据集27

3.3.2评价指标28

3.3.3实验结果分析29

IV

目录

3.4本章小结34