《基於離散選擇的推薦系統模型與算法》是依託清華大學，由姜海擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於離散選擇的推薦系統模型與算法
- 依託單位：清華大學
- 項目負責人：姜海
- 項目類別：青年科學基金項目
項目摘要,結題摘要,
項目摘要
推薦系統在電子商務中有著廣泛的套用，它根據用戶的輸入條件從產品庫中確定一組最能引起用戶興趣的產品返回給用戶，目的是增大用戶的點擊機率，從而增加銷售收入。現有的推薦系統文獻均來自計算機科學領域，通過考察產品與輸入條件的匹配性以及結果集內部的多樣性來生成推薦結果。這些文獻的共同局限在於未能直接對用戶的選擇行為建模，並把結果集質量割裂為匹配性和多樣性兩個獨立的指標。. 本課題擬從離散選擇分析的角度研究推薦系統的模型和算法，通過離散選擇模型直接考察用戶對結果集的選擇機率，並以此作為衡量結果集質量的指標。本課題將先考察選擇機率的數學性質，然後建立基於離散選擇的推薦系統模型。模型的建立將考慮兩種形式，一種是基於可行解性質的模型，一種是基於最優解性質的模型。針對不同的模型，將設計相應的最優解算法。同時，本課題將把理論研究的結果套用到實際系統中，對模型和算法做進一步的驗證。
結題摘要
本課題研究了基於離散選擇的推薦系統，我們提出用“選擇機率”來衡量推薦列表整體的質量，從而能夠把推薦系統所關心的“精準性”與“多樣性”這兩個指標統一起來。我們還引入“不購買”（Do not buy）這個選擇支，從而使得“選擇機率”這一指標恰好對應著網上商店的一個重要運營指標--“轉化率”（Conversion rate）。在建模的過程中，我們採用多層Nested Logit模型，這使得它能夠合理地處理產品間存在多個相似維度的情況。該問題的數學模型是一個包含0-1變數的非線性最佳化問題，我們通過仔細研究其最優解的性質，給出了一個基於動態規劃的最優解求解框架。我們證明，在這個框架內，每個子問題都可以被轉化為一個包含0-1變數的整數規劃問題。針對子問題的求解，我們設計了兩種不同的求解算法：第一種算法用分支定界的方法求解，這種方法的好處是便於實現，但其最壞情形下的複雜度較高，不能滿足網上商店對計算效率的要求。在第二種算法裡，我們進一步考察子問題最優解的性質，然後設計了一個多項式複雜度的算法，極大地提高了算法的效率。 我們根據課題的研究成果，撰寫了題目為Choice-based recommender systems: A unified approach to achieving relevancy and diversity的學術論文。該論文已發表在英文期刊Operations Research上。
