一種基于時(shí)態(tài)隨機(jī)步模型的協(xié)同過(guò)濾算法.pdf

1、當(dāng)今社會(huì)，信息呈現(xiàn)爆炸式的增長(zhǎng)。為了快捷地獲得有效信息，人們發(fā)明了各種信息檢索技術(shù)。然而這些技術(shù)均依賴于用戶的主動(dòng)檢索行為。為了自動(dòng)地提供個(gè)性化的信息，將用戶從浩如煙海的信息海洋中解放出來(lái)，推薦系統(tǒng)應(yīng)運(yùn)而生?，F(xiàn)階段的推薦系統(tǒng)主要分為三類(lèi)：基于內(nèi)容的推薦系統(tǒng)，協(xié)同過(guò)濾推薦系統(tǒng)和混合推薦系統(tǒng)。其中，協(xié)同過(guò)濾推薦系統(tǒng)由于其推薦速度快，推薦精度高，不需要獲得推薦項(xiàng)目的內(nèi)容描述等諸多便利性，得到了產(chǎn)業(yè)界的廣泛的應(yīng)用。相關(guān)的研究也成為了一個(gè)熱門(mén)的研

2、究方向。部分基于數(shù)值評(píng)分的協(xié)同過(guò)濾算法考慮的是如何提高評(píng)分預(yù)測(cè)的準(zhǔn)確性，它們關(guān)注的是用戶評(píng)分?jǐn)?shù)值的大小和分布。然而，用戶的購(gòu)買(mǎi)行為是多樣的，評(píng)分?jǐn)?shù)值預(yù)測(cè)的準(zhǔn)確性并不一定能夠提高算法推薦的效果。本文認(rèn)為，一個(gè)好的推薦首先應(yīng)當(dāng)保證推薦被用戶所采納，其次則應(yīng)當(dāng)推薦用戶更為喜愛(ài)的項(xiàng)目。這顯然有著一定的現(xiàn)實(shí)意義，特別是對(duì)商業(yè)性的推薦系統(tǒng)而言。
　　 本文在同時(shí)考慮用戶的評(píng)分行為和評(píng)分?jǐn)?shù)值的基礎(chǔ)上構(gòu)建推薦算法，對(duì)用戶進(jìn)行推薦。與此同時(shí)，隨著

3、時(shí)間的增長(zhǎng)，協(xié)同過(guò)濾的推薦系統(tǒng)中逐漸保存著大量的用戶評(píng)分信息。這使得同一個(gè)用戶的評(píng)分行為具有一定的時(shí)間跨度。在此時(shí)間跨度中，用戶的興趣和行為往往會(huì)發(fā)生一些改變。為了更好地區(qū)分用戶評(píng)分行為關(guān)聯(lián)的強(qiáng)弱，時(shí)態(tài)的因素需要被引入到協(xié)同過(guò)濾算法中。基于以上的考慮，本文提出了一種基于時(shí)態(tài)隨機(jī)步模型的協(xié)同過(guò)濾算法。它在構(gòu)建模型的過(guò)程中僅僅需要訪問(wèn)一次數(shù)據(jù)集。而在對(duì)用戶推薦的過(guò)程中也僅僅需要用戶的歷史評(píng)分信息。同時(shí)，在算法中引入時(shí)態(tài)的因素，通過(guò)區(qū)分用戶的