公平性增强的群组推荐算法研究与应用

作     者：陈思 

作者单位：西北师范大学 

学位级别：硕士

导师姓名：贾俊杰;鲁述康

授予年度：2023年

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：群组推荐 公平性 综合信任 流行度 

摘      要：随着互联网技术和社交网络的快速发展,传统的个性化推荐算法已经无法满足联系日益紧密用户群体的推荐需求。群组推荐算法旨在为多个用户组成的群体提供推荐服务,已成为推荐系统中的研究热点。目前,针对群组推荐的研究大多集中在缓解成员间的偏好冲突以提高推荐准确率,群组推荐的公平性鲜少研究。一方面,群组由多名成员组成,协调群组成员的公平性,减少组内用户不合理的反馈,对群组推荐能否长久存续起着至关重要的作用;另一方面,推荐系统中的项目呈现长尾分布,流行度较低、用户反馈较少的项目在群组中缺乏推荐机会,淹没在推荐系统中,给予项目被公平选择的机会是群组推荐必须考虑的问题。本文围绕群组推荐的公平性展开深入研究,主要工作如下:(1)为了满足群组用户的需求,当前群组推荐算法主要利用用户共识偏好代替个人偏好进行群组推荐,仅能满足群组中大多数用户,而忽视少部分与群组偏好存在较大差异的用户需求。为了提高群组推荐的用户公平性,本文提出了一种基于划分子组的公平性群组推荐算法,算法引入用户间的综合信任值将群组划分为不同的子组,根据均值融合策略获取初始子组推荐列表,采用Page Rank思想设置子组权重,从而为子组分配推荐项目数量,结合子组推荐列表和子组分配项目数,得到群组推荐列表。实验结果表明,较均值策略、最小痛苦策略等,所提算法在推荐准确率上分别提升了1.1%、1.8%等,在推荐满意度上分别提升了1.7%、4.1%等,在综合性评价指标上分别提升了4%、7.5%等。本文算法在提高群组公平推荐的前提下能够最大程度满足用户个性化推荐需求。(2)去除项目的流行度偏见,提高项目公平性,在传统推荐算法中取得一系列研究成果,但对群组推荐中的项目公平性问题鲜有研究。针对群组推荐系统中项目的公平性问题,本文提出了一种基于项目流行度和质量的公平性群组推荐算法。算法在群组发现时过滤低相似度的用户,并融合项目的流行度和质量为项目设置权重。同时考虑到用户偏好随时间产生变化,设置时间衰减函数,重新计算项目预测评分,得到群组推荐列表。实验结果表明,较均值策略、最小痛苦策略等,所提算法在推荐准确率上分别提升了1%、3.7%等,在推荐列表多样性上分别提升了4.6%、0.9%等,在推荐列表覆盖率上分别提升了3.5%、4.1%等。本文算法不仅能够有效去除流行度偏见导致的不公平问题,同时保证了推荐的准确率。(3)针对群组成员公平性,设计并实现了以电影推荐为例的群组推荐原型系统。该系统不仅可以为用户提供群组推荐,也可以根据用户的个性化需求提供推荐服务。将该系统与均值策略下的群组推荐系统进行对比表明,本文所设计的群组推荐原型系统可以有效提高群组成员公平性,证实了群组推荐的理论价值和现实意义。