基于遺忘函數(shù)和用戶的協(xié)同過(guò)濾推薦算法研究.pdf

1、隨著網(wǎng)絡(luò)的發(fā)展，在音樂、購(gòu)物、閱讀、電影等方面，我們更加依賴網(wǎng)絡(luò)帶來(lái)的便利。隨著用戶數(shù)目的增加、新興產(chǎn)品的出現(xiàn)，導(dǎo)致了系統(tǒng)所需存儲(chǔ)的數(shù)據(jù)量日益增加。在“數(shù)據(jù)過(guò)載”時(shí)代，如果能夠從大量數(shù)據(jù)中獲取有價(jià)值的信息，那么就能為用戶提供更好的服務(wù)。因此在電子商務(wù)、社交網(wǎng)絡(luò)、視頻網(wǎng)站等平臺(tái)上，個(gè)性化推薦技術(shù)的應(yīng)用受到了很多關(guān)注。
　　目前應(yīng)用最為廣泛的個(gè)性化推薦技術(shù)是協(xié)同過(guò)濾推薦技術(shù)。協(xié)同過(guò)濾推薦是通過(guò)分析用戶的歷史行為記錄得到用戶可能感興趣的

2、商品，從而為用戶進(jìn)行的推薦?？紤]到用戶的興趣存在改變現(xiàn)象，而目前關(guān)于興趣遷移的協(xié)同過(guò)濾推薦都無(wú)法根據(jù)用戶的實(shí)際遺忘過(guò)程對(duì)項(xiàng)目賦予合適的權(quán)重，因此推薦也就不準(zhǔn)確。本文采用將艾賓浩斯遺忘曲線擬合后得到的非線性遺忘函數(shù)來(lái)描述用戶的興趣遷移，對(duì)此提出基于遺忘函數(shù)和用戶的協(xié)同過(guò)濾推薦改進(jìn)算法，即在計(jì)算相似度時(shí)，加入遺忘函數(shù)因子來(lái)體現(xiàn)用戶興趣的變化。采用改進(jìn)算法在電影數(shù)據(jù)集MovieLens和EachMovie中分別進(jìn)行實(shí)驗(yàn)及評(píng)估，實(shí)驗(yàn)結(jié)果表明本文