多子域随机森林在情境感知推荐中的应用研究

摘要

情境感知推荐系统通过增加情境信息来提高推荐精度,在实际应用中得到广泛的应用.然而,传统的情境感知推荐方法存在赋予情境因素相同权重,忽略了用户在不同情境下所偏好项目的不同,以及情境因素在推荐过程中所起的影响作用不同的问题.提出一种基于多子域随机森林算法的情境感知推荐方法.该方法对特征重要性按权值大小进行排序,将权值的取值区域分为多个大小相等的子区域,在这些子区域中随机选择特征,构造特征子空间来改进随机森林算法;通过改进的随机森林算法来分解并降低用户、项目和情境的特征维度;使用协同过滤推荐算法来进行冷链物流配载个性化推荐.对LDOS-CoMoDa和Cycle Share两个数据集进行仿真实验,结果表明该方法相比传统方法平均绝对误差减少近10％,有效地提高了推荐系统的预测精度,为情境感知推荐的应用提供借鉴.