面向电商内容安全风险管控的协同过滤推荐算法研究

[目的/意义]随着电商平台商家入驻要求降低以及商品上线审核流程简化,内容安全风险问题成为协同过滤推荐算法伦理审查的核心问题之一.[方法/过程]文章将内容安全风险问题纳入用户协同过滤推荐算法的优化过程,提出一种改进的推荐算法.首先,采用混合研究方法对内容安全风险商品的定义、外在表现形式、特点、分类和风险程度进行了界定;其次,利用图像增强和关键词提取技术构建识别内容安全风险商品的多模态特征库,用于训练不同模态深度学习识别模型;再次,利用深度学习、多模态融合和均值聚类等技术对经典CFR算法进行改进,提出面向电商内容安全风险管控的CSCFR算法;最后,基于3个新数据集设计并实施对照实验,证明该算法在内容安全风险、精度、召回率和稳定性上的优越性.[结果/结论]与最新推荐算法相比,所提算法不仅显著提升了内容安全性,而且在精度等性能指标上也略有提升.