协同过滤推荐系统中的用户博弈

作     者：徐蕾 杨成 姜春晓 任勇 XU Lei;YANG Cheng;JIANG Chun-Xiao;REN Yong

作者机构：清华大学电子工程系北京100084 中国传媒大学信息工程学院北京100024 

基　　金：国家自然科学基金(61271267 61471025) 高等学校博士学科点专项科研基金(20110002110060)资助 

出 版 物：《计算机学报》 (Chinese Journal of Computers)

年 卷 期：2016年第39卷第6期

页      码：1176-1189页

摘      要：在以协同过滤算法为核心的推荐系统中,一个用户能否获得高质量的推荐不仅取决于用户自身是否积极地参与项目评分,还取决于其他用户是否能提供足够多的评分.由于对项目评分是需要付出成本的,理性的用户总是希望以尽可能少的评分换取高质量的推荐.该文用博弈论的方法对协同过滤系统中的用户评分行为进行分析.考虑到一个用户通常无法观察到其他用户的评分和得到的推荐,该文将用户间的交互建模为不完全信息博弈,并引入"满足均衡"的概念来分析该博弈.该文假定每个用户都对推荐质量有一个预期,当所有用户的预期都得到满足时,博弈即达到均衡.针对所建立的博弈模型,该文设计了一种均衡学习算法,该算法允许用户以逐渐增加评分数量的方式来寻找均衡策略.理论分析和仿真结果均表明,当所有用户对推荐质量有着相似的预期时,所提算法可收敛到满足均衡.这一分析结果可以为协作式系统中激励机制的设计提供启发.

主 题 词：协同过滤 博弈论 满足均衡 均衡学习 收敛条件 社交网络 社会媒体 

学科分类：0810[工学-土木类] 0808[工学-自动化类] 0839[0839] 081203[081203] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.11897/sp.j.1016.2016.01176

馆 藏 号：203142801...