[论文解读] Content-Based Book Recommending Using Learning for Text Categorization

Raymond J. Mooney, Loriene Roy|ArXiv.org|Feb 7, 1999

Topic Modeling参考文献 18被引用 14

一句话总结

本文提出了一种基于内容的图书推荐系统 Libra，利用机器学习进行文本分类，根据用户提供的训练图书评分生成个性化推荐。通过从亚马逊网页中提取文本特征（如简介、评论和主题词），并应用贝叶斯学习算法，该系统即使在用户评分数据有限的情况下也能实现准确的推荐，证明了在低数据场景下，基于内容的过滤方法相较于协同过滤方法更具有效性。

ABSTRACT

Recommender systems improve access to relevant products and information by making personalized suggestions based on previous examples of a user's likes and dislikes. Most existing recommender systems use social filtering methods that base recommendations on other users' preferences. By contrast, content-based methods use information about an item itself to make suggestions. This approach has the advantage of being able to recommended previously unrated items to users with unique interests and to provide explanations for its recommendations. We describe a content-based book recommending system that utilizes information extraction and a machine-learning algorithm for text categorization. Initial experimental results demonstrate that this approach can produce accurate recommendations.

研究动机与目标

• 开发一种基于内容的图书推荐系统，以减少对协同过滤和用户相似性数据的依赖。
• 为具有独特品味的用户（尤其是评分极少或没有评分的图书）提供准确的推荐。
• 利用机器学习技术进行文本分类，从图书的文本内容中提取并学习特征。
• 通过将推荐与图书的具体内容特征关联，实现可解释的推荐。
• 探索基于内容与协同过滤方法的融合，以提升推荐质量。

提出的方法

• 使用基于模式的信息抽取系统，从亚马逊网页中提取结构化图书数据（书名、作者、简介、评论、主题词等）。
• 使用贝叶斯学习算法，基于文本内容从用户评分1–10分的训练图书中学习用户画像。
• 将每本图书表示为由其简介、评论和主题词导出的加权词向量。
• 使用概率评分函数，根据与用户已学习画像的相似度对未评分图书进行排序。
• 将机器学习中的文本分类技术应用于图书推荐任务，将每本图书视为需根据用户偏好进行分类的文档。
• 采用无监督学习和主动学习策略，以在小规模训练集下提升性能。

实验结果

研究问题

• RQ1 基于内容的推荐系统是否仅使用少量用户评分图书即可实现高准确率？
• RQ2 通过贝叶斯学习进行文本分类在仅基于内容的图书推荐中效果如何？
• RQ3 在用户评分稀疏的场景下，基于内容的推荐是否能优于协同过滤？
• RQ4 如何有效利用简介和评论等文本特征来建模用户偏好？
• RQ5 有哪些策略可减少用户在提供训练样本时的投入，同时保持推荐质量？

主要发现

• 系统仅使用1–10本用户评分图书即实现了准确的推荐，证明了在极小输入下仍具有效性。
• 该方法成功推荐了此前未评分的图书，尤其惠及具有独特或小众兴趣的用户。
• 初步实验表明，在标准机器学习评估指标下表现优异，包括高等级相关性以及高排名靠前图书的平均评分。
• 利用简介、评论等文本内容，实现了个性化推荐，且无需依赖其他用户的数据。
• 引入协同信息（如相关图书）提升了推荐质量，表明混合方法具有广阔前景。
• 主动学习与无监督预训练技术被证明可减少所需用户评分数量，同时保持性能水平。