第2卷第1期 智能系统学报 Vol.2 Ng 1 2007年2月 CAAI Transactions on Intelligent Systems Fcb.2007 基于用户反馈的智能合作过滤模型的研究 柯佳2程显毅2，李晓薇 (1.江苏大学工商管理学院，江苏镇江212013：2.江苏大学计算机科学与通信工程学院，江苏镇江212013) 摘要：为了提供给用户更准确的信息，提出基于用户反馈的智能合作过滤模型和一种基于用户兴趣的动态Q学习 算法，并建立用户兴趣模型.通过隐式反馈和显式反馈这2种反馈方式更新用户模型并实现合作过滤.实验结果表 明，在输入相同查询提问情况下AC℉M在预测用户兴趣的效果和推荐搜索信息的查全率和查准率方面比传统的搜 索引擎有明显改善 关键词：合作过滤；Agent;用户兴趣；Q学习 中图分类号：TP311文献标识码：A文章编号：1673-4785(2007)01-005905 Research of Agent colla borative filtering model based on user's feedback KE Jia'2,CHENG Xiamyi?,LI Xiao-wei? (1.School of Business Administration,Jiangsu University,Zhenjiang 212013,China;2.Computer Science Communication Engineering Institute Jiangsu University,Zhenjiang 212013,China) Abstract:In order to serve users with more accurate information,the Agent collaborative filtering model- ACFM based on users'feedback and the dynamic Q learning algorithm are put forward,and users'inter- esting model is built.ACFM uses the method of users'interesting feedback consisted of implicit feedback and interactive feedback to realize collaborative filtering.Experimental results show that compared with traditional search engine,ACFM is more effective in predicting users'interests,and has more recalls and precision degree in recommending information when inputting the same inquire words. Key words :collaborative filtering;Agent;users'interesting feedback;Q learning algorithm. 随着互联网的迅猛发展，用户在享受它方便和习算法对信息资源进行合作过滤的方法，并提出了 快捷的同时，要在浩瀚的信息资源中找出自己需要 一种基于用户反馈的智能体合作过滤模型(Agent 的内容，无异于大海捞针.信息过滤技术(infor- collaborative filtering model based on users'feed- mation filtering)正日益成为解决信息超载问题的 back,ACFM).实验结果显示，与普通搜索引擎相 必要手段 比，结合了Agent技术的ACFM在预测用户兴趣的 信息过滤中的合作过滤技术根据具有相似兴趣 效果和推荐搜索信息的查全率和查准率方面都有明 的用户对信息做出的评价，对其他用户兴趣进行预 显改善 测并推荐信息，如Web Watcher,GroupLens等) 1 基于用户反馈的智能合作过滤系统 但是，在系统使用初期，由于系统资源还未获得足够 多的评价，很难利用这些评价来发现相似的用户，另 的总体结构 一方面随着系统用户和信息资源的增多，系统的性 ACFM通过建立用户个人兴趣模型和面向合 能会下降，即存在稀疏性和扩展性的问题」 作的共同兴趣模型，定义用户兴趣；学习Aget动 针对上述问题，文中结合Agent技术和机器 态学习用户兴趣，合作过滤模块根据其他用户对文 学习理论)，提出了一种基于用户兴趣的动态Q学 档的评价以及用户模型与文档的相似度来预测用户 的兴趣，动态地从不熟悉的文档中抽取信息送至搜 收稿日期：20060407. 基金项目：国家自然科学基金资助项目(60473039) 索引擎给用户.系统的总体结构图如图1所示。 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net第 2 卷第 1 期 智 能 系 统 学 报 Vol. 2 №. 1 2007 年 2 月 CAA I Transactions on Intelligent Systems Feb. 2007 基于用户反馈的智能合作过滤模型的研究 柯 佳1 ,2 ,程显毅2 ,李晓薇2 (1. 江苏大学 工商管理学院 ,江苏 镇江 212013 ;2. 江苏大学 计算机科学与通信工程学院 ,江苏 镇江 212013) 摘 要 :为了提供给用户更准确的信息 ,提出基于用户反馈的智能合作过滤模型和一种基于用户兴趣的动态 Q 学习 算法 ,并建立用户兴趣模型. 通过隐式反馈和显式反馈这 2 种反馈方式更新用户模型并实现合作过滤. 实验结果表 明 ,在输入相同查询提问情况下 ACFM 在预测用户兴趣的效果和推荐搜索信息的查全率和查准率方面比传统的搜 索引擎有明显改善. 关键词 :合作过滤 ;Agent ;用户兴趣 ;Q 学习 中图分类号 : TP311 文献标识码 :A 文章编号 :167324785 (2007) 0120059205 Research of Agent collaborative filtering model based on user′s feedback KE Jia 1 ,2 , CH EN G Xian2yi 2 , L I Xiao2wei 2 (1. School of Business Administration , Jiangsu University , Zhenjiang 212013 , China ; 2. Computer Science & Communication Engineering Institute ,Jiangsu University ,Zhenjiang 212013 , China) Abstract : In order to serve users wit h more accurate information , t he Agent collaborative filtering model — ACFM based on users’feedback and the dynamic Q learning algorithm are p ut forward , and users’inter2 esting model is built. ACFM uses the met hod of users’interesting feedback consisted of implicit feedback and interactive feedback to realize collaborative filtering. Experimental results show t hat compared wit h traditional search engine , ACFM is more effective in predicting users’interests , and has more recalls and precision degree in recommending information when inp utting t he same inquire words. Keywords :collaborative filtering ; Agent ; users’interesting feedback ; Q learning algorithm. 收稿日期 :2006204207. 基金项目 :国家自然科学基金资助项目(60473039) . 随着互联网的迅猛发展 ,用户在享受它方便和 快捷的同时 ,要在浩瀚的信息资源中找出自己需要 的内容 ,无异于大海捞针[1 ] . 信息过滤技术 (infor2 mation filtering) 正日益成为解决信息超载问题的 必要手段[2 ] . 信息过滤中的合作过滤技术根据具有相似兴趣 的用户对信息做出的评价 ,对其他用户兴趣进行预 测并推荐信息 ,如 Web Watcher , GroupLens 等[3 ] . 但是 ,在系统使用初期 ,由于系统资源还未获得足够 多的评价 ,很难利用这些评价来发现相似的用户. 另 一方面随着系统用户和信息资源的增多 ,系统的性 能会下降 ,即存在稀疏性和扩展性的问题. 针对上述问题 ,文中结合 Agent 技术[ 4 ] 和机器 学习理论[5 ] ,提出了一种基于用户兴趣的动态 Q 学 习算法对信息资源进行合作过滤的方法 ,并提出了 一种基于用户反馈的智能体合作过滤模型 (Agent collaborative filtering model based on users’ feed2 back , ACFM) . 实验结果显示 ,与普通搜索引擎相 比 ,结合了 Agent 技术的 ACFM 在预测用户兴趣的 效果和推荐搜索信息的查全率和查准率方面都有明 显改善. 1 基于用户反馈的智能合作过滤系统 的总体结构 ACFM 通过建立用户个人兴趣模型和面向合 作的共同兴趣模型 ,定义用户兴趣 ;学习 Agent 动 态学习用户兴趣 ,合作过滤模块根据其他用户对文 档的评价以及用户模型与文档的相似度来预测用户 的兴趣 , 动态地从不熟悉的文档中抽取信息送至搜 索引擎给用户. 系统的总体结构图如图 1 所示