基于協(xié)同過濾的上下文感知推薦算法的研究.pdf

1、協(xié)同過濾算法作為最為廣泛使用的個性化推薦技術(shù)，雖然取得了一定的成功，但是傳統(tǒng)的協(xié)同過濾推薦算法基本不考慮時間上下文，將不同用戶不同時間內(nèi)的興趣偏好同等看待，忽略了用戶興趣隨時間的變化用戶會對很久以前訪問過的項目產(chǎn)生遺忘。因而對推薦質(zhì)量造成影響。目前，基于時間加權(quán)的協(xié)同過濾算法，主要是使用用戶評分時間，但是沒有考慮推薦系統(tǒng)向用戶推薦項目的推薦時間，當用戶沒有新的行為產(chǎn)生時，推薦結(jié)果列表不會產(chǎn)生變化。但是，推薦系統(tǒng)應(yīng)該能在不同的推薦時間向用

2、戶推薦盡可能不一樣的項目，增加推薦結(jié)果的時間多樣性。
　　本文的主要研究工作有：
　?。?）詳細分析了各種推薦算法及其優(yōu)缺點，指出推薦算法除了需要提高推薦結(jié)果的準確度外，還需考慮推薦結(jié)果時間多樣性。
　?。?）分析了推薦系統(tǒng)的動態(tài)特征和時間上下文對推薦系統(tǒng)的重要意義。
　?。?）研究了用戶不同時間不同時刻興趣的變化，并提出了相對時間衰減函數(shù)，通過計算用戶評分時間的相對時間間隔的大小來修正項目相似度，使得推薦結(jié)果的