资源推荐系统

1、资源推荐系统Resource Recommendation SystemGroupID_5石立元 张海生 吴明达 张 译 张 林10548307 10448328 10548314 10548323 105483322006.01.13WBIA课程项目报告Outline选题的初衷n什么是资源推荐系统n我们的任务资源推荐系统的设计nMain IdeasnMain Data StructuresnMain Frame And Algorithms关于RRS Demo什么是资源推荐系统资源n泛指网络上存在的可共享的数字化信息资源推荐系统n根据大量用户对众多资源访问（查询和使用）的历史记录，分析用户可

2、能的兴趣所在，提供资源推荐服务，把用户尚未访问、但可能喜欢的资源推荐给用户。资源推荐与资源共享用户需求nQ: 我需要关于某方面的资源nA: 有我感兴趣的东西吗nR: 你看看这些东东，不错的可以先其想所想，达到较好的使用满意度更有潜力的资源共享方式推荐的方式用户自定义的个性化资源把与用户访问过的资源类似的资源推荐给用户把某些用户访问的资源推荐给与他们兴趣类似的用户我们的任务构造出资源推荐系统的框架，分析各个模块的功能，给出实现的主要流程和细节。分析资源推荐中涉及的主要问题，给出参考的算法。构建一个模拟的应用环境，在该环境中演示资源推荐系统的主要功能和算法。Main Ideas.1资源推荐的前提n

3、Assumption: 用户的兴趣是比较稳定的w用户的兴趣是比较稳定的，随时间变化的幅度是比较小的w用户的兴趣是在不断变化的，尽管幅度比较小w用户较近的对资源的访问能体现用户当前的兴趣时间效应nAssumption: 更新的资源具有更大的吸引力Main Ideas.2如何发现用户兴趣?两个假设：n如果一个用户经常访问某类资源，那么他很可能喜欢该类资源；n如果一些用户经常访问类似的资源，那么他们的兴趣可能相同。Main Ideas.3问题：如何进行推荐主要考虑的因素n用户对资源类的偏好n用户之间的相似度n时间效应：兴趣的变化，资源的新颖n用户对推荐的配合程度参考定义.1用户的资源类的偏好n对某类

4、资源的访问数量的相对大小作为偏好的程度 用户之间的相似度n当前相似度定义为n不对称性n如果进一步考虑时间的因素w可以考虑形成List of w以dateFactor(Date)的和作为相似度( , )similar resource number( , )user total accessed resource number( , )similar resource number( , )user total accessed resource numberi jSim i jji jSim j ii参考定义.2时间效应：兴趣的变化，资源的新颖n兴趣保持性依时间而衰减n衰减系数 ，0 =1时间

5、效应：资源的新颖n资源吸引力以时间而衰减n衰减系数，0 =1用户对推荐的配合程度n用户对推荐资源的访问情况主要数据结构.1用户集合 Users资源集合 Resource系统访问日志 User Access LognDisp: 记录从某个日期(系统定义)开始用户对资源的访问历史推荐资源访问日志 User Recommend LognDisp: 记录在某个日期(用户登录)用户对推荐资源的访问历史用户用户-用户相似矩阵用户相似矩阵 User-User current-similarity matrixnDisp: 记录从当前的日志计算出的用户与用户之间的相似程度用户用户-用户相似系数矩阵用户相似系数

6、矩阵 User-User similarity-confidence matrix (User-user similarity-index matrix)nDisp: 记录基于整个访问历史的用户与用户之间的相似性程度主要数据结构.2用户推荐列表 User Recommend ListnDisp: 要推荐给某个用户资源列表当前推荐列表Selected Recommend ListnDisp: 当前一次推荐给用户的资源列表用户访问列表 User Access ListnDisp: 某个用户对资源访问的历史记录(从某个日期开始)推荐必要度向量推荐必要度向量 User recommend needit

7、y vectornDisp: 描述对用户进行推荐的必要度用户用户-资源类系数矩阵资源类系数矩阵 User-resourceclass rate matrixnDisp: 用户对各个资源类的偏好程度主要处理流程用户登录与访用户登录与访问资源操作问资源操作用户访问用户访问日志日志推荐资源推荐资源访问日志访问日志用户用户i的的访问记访问记录录分发整理分发整理生成生成用户用户-用户用户相似矩阵相似矩阵用户用户-用户用户相似系数相似系数矩阵矩阵更新更新用户用户-资源资源类偏好系类偏好系数矩阵数矩阵更新更新相似度的相似度的定义定义形成形成用户推荐用户推荐必要度向必要度向量量更新更新相似系数相似系数更新策略

8、更新策略用户登录与访用户登录与访问资源操作问资源操作用户访问用户访问日志日志推荐资源推荐资源访问日志访问日志用户用户i的的访问记访问记录录分发整理分发整理生成生成用户用户-用户用户相似矩阵相似矩阵用户用户-用户用户相似系数相似系数矩阵矩阵更新更新用户用户-资源资源类偏好系类偏好系数矩阵数矩阵更新更新相似度的相似度的定义定义形成形成用户推荐用户推荐必要度向必要度向量量更新更新相似系数相似系数更新策略更新策略更新更新用户推荐用户推荐资源列表资源列表当前推荐当前推荐列表列表生成生成推荐策略推荐策略推荐优先级推荐优先级设定策略设定策略TopN用户用户列表列表产生产生用户用户i的的访问记访问记录录分发整

9、理分发整理生成生成用户用户-用户用户相似矩阵相似矩阵用户用户-用户用户相似系数相似系数矩阵矩阵更新更新用户用户-资源资源类偏好系类偏好系数矩阵数矩阵更新更新相似度的相似度的定义定义用户推荐用户推荐必要度向必要度向量量更新更新相似系数相似系数更新策略更新策略用户用户i的的访问记访问记录录分发整理分发整理生成生成用户用户-用户用户相似矩阵相似矩阵用户用户-用户用户相似系数相似系数矩阵矩阵更新更新用户用户-资源资源类偏好系类偏好系数矩阵数矩阵更新更新相似度的相似度的定义定义用户推荐用户推荐必要度向必要度向量量更新更新相似系数相似系数更新策略更新策略用户登录与访问用户登录与访问资源操作资源操作用户访问

10、日用户访问日志志推荐资源访推荐资源访问日志问日志用户用户i的访的访问记录问记录分发整理分发整理生成生成更新更新用户推荐资用户推荐资源列表源列表当前推荐列当前推荐列表表用户用户-用户相用户相似矩阵似矩阵用户用户-用户相用户相似系数矩阵似系数矩阵生成生成更新更新用户用户-资源类资源类偏好系数矩偏好系数矩阵阵更新更新相似度的相似度的定义定义推荐策略推荐策略相似系数相似系数更新策略更新策略形成形成用户推荐必用户推荐必要度向量要度向量更新更新主要流程框架推荐优先级推荐优先级设定策略设定策略TopN用户列用户列表表产生产生Refresh机制1整理2计算用户两两的相似性3更新用户-资源类偏好系数矩阵4把当前

11、的相似性矩阵信息添加到相似性系数矩阵5可以形成每个用户topN的列表相似性系数的更新 更新信息来源n一部分来自计算出来的当前相似性矩阵n一部分来自用户对推荐列表的访问信息（可以考虑隐性的反馈）更新策略的制定，下面分别提供两类信息更新的参考方案SimIndex的更新-当前相似性矩阵相似性系数体现的是用户的长期的相似性，是推荐的主要根据，我们作以下的假设：n用户的兴趣是比较稳定的，随时间变化的幅度是比较小的n用户的兴趣是在不断变化的，尽管幅度比较小n用户较近的对资源的访问更能体现用户的兴趣这三条假设给策略的制定提供了一定的依据SimIndex = (1-a) * SimIndex + a * Si

12、mCurrn0a=1na的大小表现的兴趣变化的快慢程度，eg. a = 0.2SimIndex的更新-用户对推荐列表的访问信息 这部分主要在于对用户行为的理解与把握上。可以定义promote()和depress()两个方法。参考算法如下：if 用户未对推荐列表进行访问if 用户的推荐必要度比较高对所有推荐进行depress()考虑降低用户的推荐必要度else降低用户的推荐必要度else对用户访问的推荐进行promote()也可以考虑对用户未访问的资源进行depress()提高用户的推荐必要度用户-资源类系数矩阵的更新 表示某个用户对各类资源的不同偏好我们简单的以对某类资源的访问数量的相对大小作

13、为偏好的程度(当然可以制定其他的策略)n该矩阵的元素为A（user i，resourceclass j）= 只要在refresh时，把用户对各类资源的访问次数添加到矩阵对应的元素中，并重新计算比例即可。推荐列表的生成策略有以下几点考虑n可以把优先级topN的资源作为推荐的对象n以优先级作为被推荐的概率的大小，进行随机的推荐n考虑时间因素，历史推荐表的资源的优先级应该随时间降低推荐列表的生成策略把历史推荐列表的资源优先级进行重置n比如乘上一个衰减系数，去掉一些优先级很低的资源添加新的推荐资源n根据最近一次推荐时间，从最相似的N个用户那里获得资源，并置以相应的优先级n优先级的设置策略可以参考如下：

14、wpriority(i) = 与用户j的相似度 * 所属资源类的Ratew可以进行一定的归一化w如果多个用户访问了同一个资源，对值进行累加当前推荐列表的生成参考推荐策略n以资源优先级的大小作为被加入当前推荐序列的概率，并把该资源从推荐列表中删除。n形成M(eg. M=10)的当前推荐序列演示程序说明RRS DemoAbout RRS Demo模拟用户在资源共享系统上的交互操作以随机生成和人工干预结合的方式生成用户相似系数矩阵（赋初值），并可以通过人工编写的用户访问log进行更新模拟推荐过程，根据用户的访问记录和相似系数进行资源推荐，根据用户对推荐资源的访问更新相似系数矩阵RRS Demo Details设置n100 usersn8 resource cla