论文部分内容阅读
个性化推荐系统,现如今已经成为了各类电子商务公司为了满足客户需求的重要工具。但是,在线用户的不断扩充以及产生大量的信息,如何利用这些信息并准确地提供了个性化的内容和服务变得越来越具有挑战性。传统的推荐模型过于依赖用户的偏好评分,而且还常常受到数据稀疏性问题的影响。单分类协同过滤模型更适用于电子商务真实的情况但由于其数据缺失值较多且类别极度不平衡,因此在物品推荐上还有明显的不足之处,如数据稀疏性问题和冷启动问题。为了应对上述的挑战,当前很多研究致力于识别数据中的正例和负例,本文使用用户的人格特质信息和