基于訪問(wèn)時(shí)間和評(píng)分時(shí)間的協(xié)同過(guò)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(dǎo)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(wù),已經(jīng)成為亟待解決的問(wèn)題。Web個(gè)性化推薦系統(tǒng)通過(guò)研究不同用戶的興趣和瀏覽行為,來(lái)預(yù)測(cè)用戶對(duì)項(xiàng)目感興趣的程度,以為不同用戶提供高效的推薦體驗(yàn)。
　　 本文研究了協(xié)同過(guò)濾推薦算法,包括基于用戶(user-based)和基于項(xiàng)目(Item-based)的協(xié)同過(guò)濾算法?；谟脩舻膮f(xié)同過(guò)濾算法基于這樣的假設(shè):如果某些用戶

2、對(duì)某些項(xiàng)目的評(píng)分相似,則這些用戶對(duì)其它項(xiàng)目的評(píng)分也相似?；陧?xiàng)目的協(xié)同過(guò)濾算法基于這樣的假設(shè):用戶對(duì)不同項(xiàng)目的喜好存在相似性,用戶一般更加傾向于購(gòu)買那些與他已經(jīng)購(gòu)買的項(xiàng)目相似或者相關(guān)的項(xiàng)目,要預(yù)測(cè)用戶對(duì)特定項(xiàng)目的喜好程度,只需要知道用戶對(duì)與該項(xiàng)目相似或相關(guān)的已經(jīng)購(gòu)買項(xiàng)目的喜好程度。
　　 論文的工作如下:
　　 (1)傳統(tǒng)的協(xié)同過(guò)濾技術(shù)沒有反映用戶興趣的變化,以致推薦質(zhì)量差。針對(duì)此問(wèn)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(wèn)項(xiàng)目的具體時(shí)間對(duì)用戶興趣的影響,提出一種適應(yīng)用戶興趣變化的指數(shù)遺忘協(xié)同過(guò)濾算法,利用基于用戶訪問(wèn)項(xiàng)目時(shí)間的指數(shù)遺忘數(shù)據(jù)權(quán)重來(lái)逐步減小項(xiàng)目相似度的數(shù)據(jù)權(quán)重。
　　 (2)針對(duì)傳統(tǒng)協(xié)同過(guò)濾算法在用戶相似性和項(xiàng)目相似性計(jì)算時(shí),將用戶的評(píng)分值直接作為預(yù)測(cè)未評(píng)分項(xiàng)目的貢獻(xiàn)問(wèn)題,提出融合用戶評(píng)分時(shí)間和項(xiàng)目評(píng)分時(shí)間的協(xié)同過(guò)濾算法。首先,在基于用戶評(píng)分時(shí)間的協(xié)同過(guò)濾和基于項(xiàng)目評(píng)分時(shí)間的協(xié)同過(guò)濾中,將基于時(shí)間的指數(shù)函數(shù)作為評(píng)分值的權(quán)重