基于時(shí)間效應(yīng)的推薦算法研究.pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展，信息過載問題越來越嚴(yán)重，用戶找到自己想要的商品或信息所花費(fèi)的時(shí)間越來越多。將來人們獲取自己感興趣信息的途徑有可能由單一的搜索引擎變?yōu)樗阉饕媾c推薦系統(tǒng)相結(jié)合。推薦系統(tǒng)的價(jià)值在于不僅能夠推薦給用戶符合用戶興趣的物品，而且還要能夠發(fā)現(xiàn)長尾商品，長尾商品更能體現(xiàn)小群體用戶的個(gè)性化需求。現(xiàn)在推薦算法的研究越來越受到人們的重視，特別是推薦算法的一些比賽如Netflix、2012年KDD track1等比賽的出現(xiàn)，更加促進(jìn)了推薦算

2、法的快速發(fā)展。在推薦算法中時(shí)間信息作為一種上下文信息能夠提高推薦的質(zhì)量。一方面推薦系統(tǒng)要能準(zhǔn)確的給用戶推薦與其興趣相關(guān)的產(chǎn)品，而且要能在正確的時(shí)間給用戶做推薦；另一方面用戶在不同時(shí)間對相同的推薦結(jié)果做出的反饋不同。因此，時(shí)間信息受到越來越多研究者的關(guān)注，現(xiàn)在也有很多考慮時(shí)間因素的推薦算法被提出來。有些在模型中直接加入時(shí)間特征，有些模型不考慮時(shí)間特征，但以時(shí)間特征去選擇用來建模的數(shù)據(jù)集。
　　本文針對目前推薦算法中引入時(shí)間因素的方法

3、做出改進(jìn)。時(shí)間因素的引入主要體現(xiàn)在模擬用戶興趣度隨時(shí)間的變化、物品流行度隨時(shí)間的變化和社會群體興趣度隨時(shí)間的變化。社會群體興趣度隨時(shí)間變化容易模擬，難點(diǎn)在于用戶興趣度隨時(shí)間的變化以及物品流行度隨時(shí)間變化，因?yàn)椴煌挠脩粲胁煌呐d趣度變化趨勢，不同的物品也有不同的流行度變化趨勢。當(dāng)前的很多引入時(shí)間因素的推薦算法，沒有考慮這些不同，只是對所有的用戶采用相同的興趣度變化模型，對所有的物品采用相同的流行度變化模型。針對這個(gè)問題本文提出了對每個(gè)用

4、戶的興趣度變化趨勢分別建模以及對每個(gè)物品流行度變化趨勢分別建模的方法。因?yàn)橛脩舻漠?dāng)前行為受用戶近期行為的影響，所以本文通過為用戶近期行為賦予不同的權(quán)重來對當(dāng)前時(shí)刻用戶的興趣進(jìn)行模擬，也就是通過用戶近期行為對當(dāng)前的興趣貢獻(xiàn)程度的不同來間接模擬出不同用戶的不同興趣度變化趨勢。通過對物品近期流行度賦予不同的權(quán)重來模擬當(dāng)前物品的流行度。這些權(quán)重的求解方法是以每個(gè)用戶以及每個(gè)電影評分的時(shí)間序列數(shù)據(jù)作為訓(xùn)練集，首先把數(shù)據(jù)集按時(shí)間分隔，然后以時(shí)間片為