融合用户信息行为偏好的防偏见数字资源推荐

摘要

数字资源推荐中不可避免的信息偏见极易使用户陷入信息蚕茧当中。为缓解这一问题,通过对用户信息需求层次进行深入剖析,提出一种全新的融合用户信息行为的防偏见数字资源推荐方法(A-UIBR)。首先从用户兴趣、情境信息以及信息需求层次3个维度构建输入矩阵计算防偏见因子,在此基础上将防偏见因子通过正相关与负相关引入资源表示层,匹配得到含防偏见属性的数字资源列表,最后将需求层次属性作为平衡因子,采用topN输出已排序的推荐结果列表。仿真实验与数据对比显示,该推荐方法相比传统的混合粒度和评分差异推荐方法,平均精度提高了11.4%,多样性提高了20.8%,在一定程度上抑制了用户陷入信息蚕茧状态,具有广阔的应用场景。