基于项目的三支决策推荐系统

为了用最小的推荐损失给用户推荐他们感兴趣的项目，解决基于项目的推荐系统只根据项目相似度进行推荐的单一标准，本文提出一种基于项目的三支决策推荐系统。该系统在基于项目的推荐系统的基础上引入三支决策，根据受欢迎程度将项目划分为推荐、延迟推荐和不推荐三类，进而根据用户对推荐项目的兴趣度，优先为用户推荐兴趣度最大的项目。实验结果表明，基于项目的三支决策推荐系统与基于项目的推荐系统、基于用户的三支决策推荐系统和基于项目的二支决策推荐系统相比，推荐精度提高且损失较小。

21 世纪处于大数据时代，人们经常遇到自己所需要的信息与被推荐的信息不匹配的情况，因此推荐系统的逐步完善成为了当今世界亟待解决的问题，本文提供了一种基于项目的推荐系统，能够提高推荐准确率，使得其更人性化。在过去的十几年里，催生了非常多的推荐技术，涌现了许多的推荐系统，例如：Amazon 的个性化物品推荐系统、Netflix 的视频推荐、Facebook 的好友推荐，今日头条的时事新闻推荐，最近几年，抖音、快手、淘宝也是国内非常火热的推荐系统。基于项目的推荐系统是一种根据项目之间的相似度，再根据用户对相关项目的兴趣度，为用户提供有用的建议。然而对于信息消费者来说从大量信息中找到自己感兴趣的信息是一件非常困难的事情；对于信息生产者来说让自己生产的信息脱颖而出也是一件非常困难的事情，而推荐系统让事情变得简单[1]。

常用的推荐系统有基于内容的推荐，就是推荐与用户过去喜欢的内容相似的项目[2]；基于知识的推荐，该类推荐系统利用用户的显示需求和特定的领域产品的深度来推荐项目[3]；混合推荐系统，该类推荐系统往往综合了上面提到的多种技术，利用优势互补来提高推荐系统的总体性能[4]；基于协同过滤的推荐系统[5]，该推荐系统有两种类型：基于用户的协同过滤推荐系统[6]和基于项目的协同过滤推荐系统[7]。本文将从基于项目的推荐系统进行研究分析。

为了解决传统推荐系统仅考虑相似度进行项目推荐，缺乏推荐精度，本文将三支决策思想引入推荐系统中，提出基于项目相似度和受欢迎程度的三支决策推荐系统。作为粗糙集理论的一种扩张[8]，三支决策主要被用于处理延迟决策的不确定性问题。目前三支决策已在很多领域得到成功应用，如垃圾邮件的过滤[9]、政策制定[10]、聚类系统[11]等。叶晓庆等人[12]将三支粒融入基于用户的推荐系统中，得到了推荐精度提高且损失减小的结果；张恒汝等人[13]提出了基于回归的三支推荐系统， 通过调整不同行为阈值使总的推荐损失达到最小。

本文在基于项目的推荐系统的基础上，将三支决策与推荐系统相结合，充分考虑项目间的相似度和受欢迎程度，通过调整阈值得到最小推荐损失，实现对项目的推荐、延迟推荐和不推荐的分类准则。进而根据用户对项目的兴趣度，为用户精准推荐项目，提高为用户推荐项目的准确性，减少误推荐，使推荐损失达到最小。最后利用Movielens 数据集中用户对电影的评分数据对推荐系统进行验证。