基于符号数据分析的群体推荐用户建模与协调研究

The actual demand for providing recommendation to group activities attracts more and more attention on the research of group recommendation system. Considering the method of symbolic data analysis (SDA) has the advantage of mastering the data feature without losing any data information, this research focuses on user profiling and coordinating in group recommendation system based on SDA. The process of building the individual member's user profile is first addressed when existing social influence in the group members. Then, thinking the group as a symbolic object, this research proposes the method of aggregating individual profiles to a group profile based on symbolic data description, by using the data packing technology in SDA. In the framework of SDA, the research extends the traditional collaborative filtering algorithm among others described by point data to that of SDA, and applies some multivariate analysis methods of symbolic data in our group recommendation algorithms. This research also assesses the consistency between the items to be recommended and the preference of each members of the group, and explains recommendation results to users. To make all the individuals reach a consensus on the recommendation items, it studies the strategy of coordination and negotiation among the users. The research also put forward a comprehensive evaluation metrics with the measurement of group satisfaction as a core metric to evaluate our methods. Finally, this research conducts an application study on the burgeoning electronic commerce mode-Business to Team (B2T), and develops a group recommendation information system of B2T.

人们群体活动对个性化推荐的实际需求，使得群体推荐系统的研究日益受到关注。考虑到符号数据分析（SDA）具有在不丢失信息前提下、从全局上把握数据特征的优势，研究基于SDA的群体推荐系统的用户建模和协调等关键问题。研究存在社会影响下的个体兴趣模型的构建；视群体为"符号对象"，运用SDA"数据打包"技术，将个体用户模型汇总，构建基于符号数据描述的群体用户模型。在SDA框架下，研究将传统的基于"点数据"描述的协同过滤等推荐算法扩展到符号数据情形；研究将符号数据多元分析方法应用于群体推荐算法。为使所有个体就推荐项目达成共识，评估待推荐项目与群体的所有成员用户偏好之间的一致性，并向用户对推荐结果进行解释，基于此研究用户之间的协调与谈判策略。研究群体满意度的度量，并建立以其为主要指标的群体推荐系统的综合评价体系。选取新兴的电子商务模式- - 网络团购，进行应用研究，并研究开发网络团购群体推荐信息系统。

群体推荐系统是满足人们的群体活动需求的个性化推荐系统。项目研究了将符号数据分析的方法运用于群体推荐系统，重点研究群体用户建模和用户的协商问题。首先研究了基于符号数据分析的群体模型的构建，依次将项目、个体用户与群体用户的模型表示为模态符号数据，基于此构造了群体用户建模的优化模型，并运用遗传算法进行求解。然后，在对传统的协同过滤算法进行扩展基础上，研究了基于符号数据分析的群体推荐算法。考虑到群体决策往往存在社会影响，项目研究了存在社会影响的群体推荐用户建模与推荐算法，通过对群体成员间包括个性因素、专业性因素、客观相互关系以及兴趣相似度等社会影响因素进行分析讨论和建模，对现有群体推荐方法进行了修正，并着重研究成员间社会影响各个因素对群体推荐过程的影响和改进效果。用户兴趣是时刻变化着的，对物品的偏好有季节效应，而且物品也是有生命周期的。考虑到这一点，项目研究将时间情境作为影响群体推荐结果的一个重要因素，利用模态符号数据分析方法建立群体模型，提出了一种全新的群体推荐算法，算法中用户评分时间越久的项目对用户的兴趣影响越小，对于不同时间点的个体打分和群体打分，给予不同的权重，然后运用协同过滤算法找到群体的个体用户邻居，进而为群体用户产生推荐列表。人的复杂性和异质性是群体推荐的研究难点之一，而普通群体推荐系统往往无法平衡所有群体成员的偏好，所得的推荐结果会造成群体整体满意度的低下。针对该问题，解决思路之一群体成员对推荐项目进行协商。因此，项目还研究将案例推理方法和协商理论用于群体推荐系统，通过模拟群体成员在推荐项目上进行协商来达成一致，并根据该思路提出算法。此外，项目研究中分析了适用于群体推荐系统的评价指标，基于此，选取已有Movielens等标准数据库、用户调查与访谈数据、京东等电商平台爬取数据等多种数据源，对算法进行了评价研究，验证了本项目所提出推荐算法的有效性。