众筹项目的个性化推荐:考虑本地偏好的协同过滤算法

众筹项目的个性化推荐不同于传统的线下环境的商品推荐,用户难以物理地消费远距离项目,因此已有的基于距离的推荐算法不适合在线众筹项目.众筹社区中,投融双方通常会公开自己的地理位置,这为距离的度量提供了手段.为此,本文将投资者的本地偏好应用于用户偏好建模,首先把投融双方之间的地理位置转化为经纬度,然后依据经纬度计算投资者与融资者之间的距离,并把这种距离作为相似度算法的惩罚因子.最后,本文依据归一化后的考虑地理距离惩罚因子的相似度进行项目推荐.实验数据来自世界上最大的基于回报的众筹平台Kickstarter.实验结果表明,在众筹项目推荐中,当地理位置的惩罚因子设置为0.3时,能够获得最佳的用户偏好模型.考虑本地偏好的协同过滤算法能够更为合理地识别投资者偏好,并在准确率、召回率、覆盖率和流行度等指标上,提升了众筹项目个性化推荐性能.本文为投资者偏好识别提供了一种更加准确的方法,丰富了在线融资项目的推广手段.