基于訪問時間和評分時間的協(xié)同過濾算法研究.pdf

1、伴隨著互聯(lián)網(wǎng)的迅猛發(fā)展,各類信息琳瑯滿目,從而導致用戶在信息面前出現(xiàn)迷失現(xiàn)象。因此,研究如何為不同的用戶提供不同的服務,已經(jīng)成為亟待解決的問題。Web個性化推薦系統(tǒng)通過研究不同用戶的興趣和瀏覽行為,來預測用戶對項目感興趣的程度,以為不同用戶提供高效的推薦體驗。
　　 本文研究了協(xié)同過濾推薦算法,包括基于用戶(user-based)和基于項目(Item-based)的協(xié)同過濾算法?；谟脩舻膮f(xié)同過濾算法基于這樣的假設:如果某些用戶

2、對某些項目的評分相似,則這些用戶對其它項目的評分也相似。基于項目的協(xié)同過濾算法基于這樣的假設:用戶對不同項目的喜好存在相似性,用戶一般更加傾向于購買那些與他已經(jīng)購買的項目相似或者相關的項目,要預測用戶對特定項目的喜好程度,只需要知道用戶對與該項目相似或相關的已經(jīng)購買項目的喜好程度。
　　 論文的工作如下:
　　 (1)傳統(tǒng)的協(xié)同過濾技術沒有反映用戶興趣的變化,以致推薦質量差。針對此問題,從艾賓浩斯記憶遺忘曲線得到啟發(fā),考

3、慮了用戶訪問項目的具體時間對用戶興趣的影響,提出一種適應用戶興趣變化的指數(shù)遺忘協(xié)同過濾算法,利用基于用戶訪問項目時間的指數(shù)遺忘數(shù)據(jù)權重來逐步減小項目相似度的數(shù)據(jù)權重。
　　 (2)針對傳統(tǒng)協(xié)同過濾算法在用戶相似性和項目相似性計算時,將用戶的評分值直接作為預測未評分項目的貢獻問題,提出融合用戶評分時間和項目評分時間的協(xié)同過濾算法。首先,在基于用戶評分時間的協(xié)同過濾和基于項目評分時間的協(xié)同過濾中,將基于時間的指數(shù)函數(shù)作為評分值的權重