从偏好数据库中挖掘Ceteris Paribus偏好

摘要 针对传统的推荐系统需要用户给出明确的偏好矩阵（U-I矩阵），进而使用自动化技术来获取用户偏好的问题，提出了一种从偏好数据库中挖掘出Agent的偏好信息的方法。从知识发现的角度，通过Ceteris Paribus规则（CP规则），提出了k阶偏好挖掘算法（kPreM）。在算法中，利用k阶CP规则对偏好数据库中的信息进行剪枝处理，减少了数据库扫描次数，从而提高了偏好信息的挖掘效率。随后以一种通用的图模型——条件偏好网（CP-nets）为工具，揭示了用户的偏好可近似表达为CP-nets的定性条件偏好网。实验结果表明，用户的偏好都是带有条件的偏好。另外，通过挖掘得出的CP-nets偏好模型，为设计个性化的推荐系统提供了理论基础