基于時(shí)間敏感的電子商務(wù)個(gè)性化推薦方法研究.pdf

1、隨著推薦算法在電子商務(wù)應(yīng)用范圍的劇增，網(wǎng)站的收益得到了提高。在推薦的眾多算法中，時(shí)間作為影響算法的不可忽視的重要因素。因此，本文對(duì)基于時(shí)間敏感的推薦算法進(jìn)行研究，并將其應(yīng)用在電子商務(wù)中，通過(guò)實(shí)驗(yàn)驗(yàn)證時(shí)間敏感的推薦算法的可行性。本文主要做了以下工作：
　　1、研究用戶產(chǎn)生行為的相對(duì)次序?qū)τ谟脩粝嗨贫鹊挠绊?，利用最長(zhǎng)公共子序列算法求得用戶相對(duì)次序下行為的最長(zhǎng)序列。將提取基于時(shí)間敏感用戶之間的非公共的興趣列表，通過(guò)該列表來(lái)計(jì)算用戶之間的

2、非公共的興趣列表對(duì)用戶興趣的貢獻(xiàn)程度，并與UserCF算法進(jìn)行線性加權(quán)混合。實(shí)驗(yàn)在2個(gè)數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)驗(yàn)證，并與多種不同的推薦算法進(jìn)行對(duì)比，證明本文提出的該算法在推薦的準(zhǔn)確率和召回率上都有不錯(cuò)的表現(xiàn)。
　　2、將用戶的行為記錄進(jìn)行哈希處理，將每個(gè)記錄的權(quán)重按照時(shí)間進(jìn)行衰減，以模擬用戶的興趣隨著時(shí)間動(dòng)態(tài)地變化，從而形成用戶行為指紋算法。實(shí)驗(yàn)在2個(gè)數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)驗(yàn)證，并與其他多種不同算法進(jìn)行實(shí)驗(yàn)對(duì)比，實(shí)驗(yàn)證明該算法在推薦的準(zhǔn)確率和召