第 1章引言 .1
1.1研究背景 1
1.2问题的提出 .5
1.3面临的主要挑战 6
1.4主要贡献 9
第 2章研究现状与相关工作 11
2.1个性化推荐 . 11
2.1.1基于内容的推荐 . 12
2.1.2基于协同过滤的推荐 . 12
2.1.3混合型推荐系统 . 15
2.2矩阵分解 16
2.3推荐的可解释性 19
2.4文本情感分析 . 20
2.5本章小结 21
第 3章数据的可解释性 . 23
3.1矩阵的群组结构 23
3.1.1概述 23
3.1.2相关工作 . 26
3.1.3双边块对角矩阵及其性质 27
3.1.4矩阵的双边块对角化算法 33
3.1.5基于块对角阵的协同过滤 37
3.2局部化矩阵分解算法 . 38
3.2.1概述 39
3.2.2相关工作 . 40
3.2.3双边块对角矩阵的分解性质 . 41
3.2.4近似矩阵分解算法及其可拆分性质 . 44
3.2.5局部化矩阵分解框架 . 49
3.2.6平衡矩阵块对角化算法 . 50
3.3性能评测 53
3.3.1双边块对角矩阵与群组结构的定性研究 53
3.3.2局部化矩阵分解算法性能及预测精度 . 57
3.4本章小结 64
第 4章模型的可解释性 . 67
4.1显式变量分解模型 . 67
4.1.1概述 67
4.1.2相关工作 . 70
4.1.3基于用户评论的情感词典构建 . 71
4.1.4显式变量分解模型及其可解释性 73
4.1.5推荐列表的构建 . 77
4.1.6属性级个性化推荐理由的构建 . 79
4.2动态化时序推荐模型 . 80
4.2.1概述 80
4.2.2相关工作 . 82
4.2.3用户偏好的时序性质 . 84
4.2.4属性词流行度的动态预测 88
4.2.5基于条件机会估计的时序推荐模型 . 91
4.3性能评测 94
4.3.1基于显式变量模型的可解释性推荐评测 95
4.3.2基于浏览器的真实用户线上评测 104
4.3.3基于属性词流行度的动态推荐评测 . 107
4.4本章小结 117
目录 19
第 5章推荐的经济学解释 . 119
5.1互联网福利的最大化 . 119
5.1.1概述 119
5.1.2相关工作 . 121
5.1.3互联网成本效用与福利 . 122
5.1.4基于福利最大化的个性化推荐框架 . 126
5.2典型网络平台中的福利最大化 129
5.2.1电子商务网站 . 130
5.2.2 P2P网络贷款 132
5.2.3在线众包平台 . 134
5.2.4小结与讨论 136
5.3性能评测 137
5.3.1电子商务网站 . 137
5.3.2 P2P网络贷款 142
5.3.3在线自由职业与众包平台 144
5.4本章小结 146
第 6章总结与展望 . 149
6.1总结 . 149
6.2展望 . 151
参考文献 . 153
在学期间发表的学术论文 183
致谢 187

“清华大学优秀博士学位论文丛书”（以下简称“优博丛书”）精选自2014年以来入选的清华大学校级优秀博士学位论文（Top 5%）。每篇论文经作者进一步修改、充实并增加导师序言后，以专著形式呈现在读者面前。“优博丛书”选题范围涉及自然科学和人文社会科学各主要领域，覆盖清华大学开设的全部一级学科，代表了清华大学各学科最优秀的博士学位论文的水平，反映了相关领域最新的科研进展，具有较强的前沿性、系统性和可读性，是广大博硕士研究生开题及撰写学位论文的必备参考，也是科研人员快速和系统了解某一细分领域发展概况、最新进展以及创新思路的有效途径。

个性化推荐技术已经成为互联网应用的基础技术之
一，它广泛应用于电子商务、搜索引擎、社会网络、新
闻阅读等互联网服务中，成为用户获得信息的重要途径
之一。通过个性化推荐，用户可以更为便捷地访问自己
可能感兴趣的物品，从而获得更好的体验。一直以来，
个性化推荐的研究主要集中在如何为用户给出恰当的推
荐结果，而较少关注为什么算法会给出这样的结果，因
此难以向用户给出具有说服力的、与算法一致的推荐理
由。这就自然地引出了个性化推荐系统的可解释性问题
。通过理解为什么系统会给出特定的推荐，就能在为用
户提供个性化推荐理由的同时，提高系统和算法的透明
度、可靠性、有效性，并最终提高用户的满意度。本书
以个性化推荐的可解释性这一新的研究课题为主线，在
数据、模型和经济效益三个层面上展开了深入的探讨。
在数据上，个性化推荐的评分矩阵可以等价描述为用户
-物品二部图上的社区发现结构；在模型上，个性化算
法可以给出与推荐模型紧密相关的个性化推荐理由；在
经济效益上，个性化推荐可以作为互联网商品服务资源
分配的基本手段，实现互联网社会福利的最大化，从而
提高互联网经济系统的效益。因此，本书不仅仅是张永
锋博士学位论文工作中精华的整理，同时还为我们揭示
了一个新的、有趣的、有挑战性又具有可行性的研究课
题：融合经济学与计算机科学的个性化推荐。随着互联
网经济系统的迅速发展，个性化推荐系统不再仅仅为用
户提供感兴趣的商品或服务推荐，而更是网络资源分配
的基本手段之一。经济学是一个古老的研究课题，数个
世纪以来已经积累了成熟的研究成果和理论，而计算机
科学相对而言是一个新兴且快速发展的学科，并在方方
面面深入影响着我们的日常生活，在互联网领域尤其如
此。丰富的用户行为记录、广泛存在的大数据，以及不
断发展的机器学习技术，使得将互联网经济系统与个性
化推荐有机地结合成为可能，从而为我们展现出未来巨
大的研究空间。马少平 2018年 7月 25日于北京清华园

个性化推荐技术已经成为互联网应用的基础技术之一，它广泛应用于电子商务、搜索引擎、社会网络、新闻阅读等互联网服务中，成为用户获得信息的重要途径之一。本文以个性化推荐的可解释性为主题，在数据、模型和经济效益三个层面上展开探讨。在数据上，个性化推荐的评分矩阵可以等价描述为用户-物品二部图上的社区发现结构；在模型上，个性化算法可以给出与推荐模型紧密相关的个性化推荐理由；在经济效益上，个性化推荐可以作为互联网商品服务资源分配的基本手段，实现互联网社会福利的最大化，从而提高互联网经济系统的效益。