基于資源時效的協(xié)同過濾算法研究.pdf

1、隨著WWW的快速發(fā)展，信息過載成為人們獲取有效信息的一個障礙，個性化服務(wù)技術(shù)應(yīng)運而生。推薦系統(tǒng)是個性化服務(wù)技術(shù)在Web 應(yīng)用中最重要的形式，它融合了搜索引擎、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等技術(shù)，能夠基于用戶的口味和喜好等提供相對精確的推薦，在電子商務(wù)系統(tǒng)得到了廣泛的應(yīng)用。
　　 目前，幾乎所有大型的電子商務(wù)網(wǎng)站，如Amazon、CDNow、Netflix、eBay、阿里巴巴、拍拍網(wǎng)等，都不同程度地使用了各種形式的推薦技術(shù)。協(xié)同過濾算法是當(dāng)

2、前推薦技術(shù)中最有效的信息過濾技術(shù)之一。它通過比較用戶之間的相似性來過濾信息，應(yīng)用于推薦系統(tǒng)不僅能為用戶帶來新的感興趣的資源而且不受資源形式的限制。但這些傳統(tǒng)協(xié)同過濾算法的最大弱點是可擴(kuò)展性問題，即隨著用戶數(shù)量以及商品項目的增加，計算復(fù)雜度快速增長導(dǎo)致大規(guī)模電子商務(wù)系統(tǒng)的性能瓶頸。
　　 本文針對上述協(xié)同過濾算法的問題，從時間信息角度出發(fā)，分析了用戶興趣漂移現(xiàn)象，闡述了考慮用戶興趣變化而發(fā)展起來的基于時間加權(quán)的協(xié)同過濾算法。同時重

3、點考察項目的時間信息屬性，提出一種新的基于資源時效的協(xié)同過濾算法。
　　 本文的創(chuàng)新點主要有兩個，一是通過對用戶評分/購買歷史進(jìn)行分段，偵測用戶興趣變化和計算用戶興趣度，使基于時間權(quán)值的協(xié)同過濾算法更具個性化；二是整合項目的時間信息屬性，提出項目的資源時效概念，為項目時間信息的使用提供了具體形式，并在此基礎(chǔ)上發(fā)展了基于資源時效的協(xié)同過濾算法，和基于資源時效的搜索引擎查詢分析技術(shù)。
　　 本文在實證部分采用Grouplen