評分偏差對于推薦質量的影響

胡必云 李舟軍

(北京航空航天大學 軟件開發環境國家重點實驗室，北京 100191)

王 君

(北京航空航天大學 計算機學院，北京 100191)

巢文涵

(北京航空航天大學 北京市網絡技術重點實驗室，北京 100191)

評分偏差對于推薦質量的影響

胡必云 李舟軍

(北京航空航天大學 軟件開發環境國家重點實驗室，北京 100191)

王 君

(北京航空航天大學 計算機學院，北京 100191)

巢文涵

(北京航空航天大學 北京市網絡技術重點實驗室，北京 100191)

從理論上分析了評分偏差對于推薦質量的影響;基于潛在偏好及已知評分對評分偏差進行度量，其中潛在偏好通過心理測量學模型計算得出;通過設定不同的評分偏差水平，對評分偏差的影響進行了實驗驗證.理論分析及實驗驗證表明:評分偏差可導致推薦準確度及覆蓋度下降;基于高質量的評分數據，協同過濾算法可為用戶作出好的推薦.

人工智能;信號過濾與預測;信息檢索;評分偏差;數據質量;協同過濾;推薦準確度;覆蓋度

個性化推薦是解決信息過載問題的行之有效的方法之一，并已廣泛應用于大型的信息服務提供商，它旨在根據用戶的歷史偏好信息，向用戶主動推薦他/她可能感興趣的項目，如新聞、書籍等.為了提高推薦質量，研究者提出了許多推薦算法，這些算法可分為3類［1］:基于內容的推薦、協同過濾(CF，Collaborative Filtering)及混合的推薦算法.在這些算法中，CF算法得到了廣泛的研究與應用.CF算法可進一步分為基于用戶、基于項目及基于模型的算法……