- 相關(guān)推薦
用戶偏好統(tǒng)計(jì)模型
用戶偏好統(tǒng)計(jì)模型
用戶偏好統(tǒng)計(jì)模型
用戶偏好模型在信息系統(tǒng)中是一個(gè)很具挑戰(zhàn)性的問題。目前主要處理自動(dòng)發(fā)現(xiàn)用戶的偏好，并且使用該模型。隨著個(gè)性化和推薦服務(wù)在互聯(lián)網(wǎng)和電子商務(wù)逐漸流行起來，了解用戶偏好變得越來越重要。智能信息系統(tǒng)可以分析用戶需要什么，并且預(yù)測用戶未來選擇的商品。在用戶不同的偏好的基礎(chǔ)之上，智能系統(tǒng)能夠?qū)γ總�(gè)用戶推薦其感興趣的商品和提供個(gè)性化服務(wù)。
目前，描述用戶偏好的方法主要有，相似性、概率和相關(guān)性。向量相似性主要應(yīng)用在協(xié)同過濾和內(nèi)容過濾中；概率主要通過貝葉斯網(wǎng)絡(luò)預(yù)測用戶未來的行為；關(guān)聯(lián)規(guī)則挖掘中，用關(guān)聯(lián)來描述商品之間的關(guān)聯(lián)性。
向量相似性缺點(diǎn)：無法直觀地描述用戶對商品的喜歡和不喜歡
概率缺點(diǎn)：概率不能直接描述用戶的喜好，只能描述訪問的可能性
關(guān)聯(lián)性：主要用來發(fā)現(xiàn)有用的規(guī)則，并不是偏好
積極和消極的偏好都需要通過偏好模型表示出來
1用戶偏好模型
V表示用戶通過行為產(chǎn)生的一系列商品（購買，瀏覽，搜索等等）
商品x是用一些列特征表示的，
用戶profile是由用戶對每個(gè)特征的一組偏好值組成，
特征偏好pref（w），只根據(jù)歷史記錄計(jì)算用戶對某個(gè)特征的喜歡和不喜歡程度
無法直接比較用戶profile和商品之間的關(guān)系，需要將他們通過特征來描述。對商品的偏好可以通過平均特征偏好來表示
M(x)是一個(gè)規(guī)范化的變量，即某個(gè)商品的特征數(shù)目
用戶偏好統(tǒng)計(jì)模型互信息作為偏好度量方式
用戶選擇某個(gè)商品的概率主要由兩個(gè)因素決定：商品偏好和商品訪問可能性
實(shí)際偏好定義如下：
P（X（w））:非條件特征概率，商品包含的特征數(shù)在整個(gè)特征集中的概率 P（X（w）|V）條件特征概率，商品包含的特征在用戶的特征歷史中的概率 上式描述的就是互信息
【用戶偏好統(tǒng)計(jì)模型】相關(guān)文章：
模型偏差的統(tǒng)計(jì)分析05-02
變形預(yù)測的逆多元統(tǒng)計(jì)模型04-27
變形預(yù)測的逆多元統(tǒng)計(jì)模型04-30
地震動(dòng)隨機(jī)函數(shù)模型研究(Ⅱ)-參數(shù)統(tǒng)計(jì)與模型驗(yàn)證04-30
基于時(shí)間分割的手寫輸入系統(tǒng)的用戶績效模型04-28
基于空間分割的手寫輸入系統(tǒng)的用戶績效模型04-27